| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·基于视觉的智能车辆综述 | 第10-14页 |
| ·国外研究现状 | 第10-13页 |
| ·国内研究现状 | 第13-14页 |
| ·课题的背景和意义 | 第14-16页 |
| ·本文的主要内容 | 第16-17页 |
| 第2章 研究基础与道路图像预处理技术 | 第17-24页 |
| ·研究工作基础 | 第17-19页 |
| ·计算机视觉的理论框架 | 第17-18页 |
| ·PETS 2001介绍 | 第18-19页 |
| ·道路图像预处理 | 第19-23页 |
| ·道路图像平滑 | 第19-21页 |
| ·道路图像边缘增强 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 道路识别技术 | 第24-36页 |
| ·道路识别方法 | 第24-26页 |
| ·道路边缘二值化 | 第26-31页 |
| ·边缘分割算法 | 第26-29页 |
| ·Canny边缘分割 | 第29-31页 |
| ·道路边界线提取 | 第31-35页 |
| ·Hough变换原理 | 第31-33页 |
| ·道路边界直线拟合试验 | 第33-34页 |
| ·道路边界线动态估计 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 运动车辆检测 | 第36-57页 |
| ·实时车辆检测算法综述 | 第36-41页 |
| ·静态背景下的检测 | 第36-38页 |
| ·动态背景下的检测 | 第38-41页 |
| ·产生车辆假设(HG) | 第41-45页 |
| ·车底阴影分析与检测 | 第41-43页 |
| ·感兴趣区域ROI的确定 | 第43-45页 |
| ·确认车辆存在(HV) | 第45-51页 |
| ·车辆纹理特征分析 | 第45-47页 |
| ·车辆对称性分析 | 第47-51页 |
| ·算法流程及试验仿真 | 第51-56页 |
| ·基于多特征的车辆检测算法流程 | 第51页 |
| ·试验仿真及分析 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 运动车辆跟踪算法 | 第57-73页 |
| ·运动车辆跟踪技术 | 第57-59页 |
| ·KALMAN滤波预测算法 | 第59-63页 |
| ·Kalman滤波原理 | 第59-60页 |
| ·Kalman滤波预测车辆轨迹 | 第60-63页 |
| ·CAMSHIFT算法与试验 | 第63-68页 |
| ·Camshift算法介绍 | 第63-65页 |
| ·基于Camshift算法的车辆跟踪仿真 | 第65-67页 |
| ·Camshift算法结合Kalman预测的车辆跟踪架构 | 第67-68页 |
| ·后方车辆检测与跟踪仿真 | 第68-72页 |
| ·后方车辆检测的意义 | 第68-69页 |
| ·后方车辆跟踪算法流程 | 第69-70页 |
| ·跟踪仿真结果分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 全文总结与展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间的科研工作和论文发表情况 | 第80页 |