摘要
1 绪论
1.1 研究背景
1.2 国内外智能车发展现状
1.2.1 国外发展现状
1.2.2 国内发展现状
1.3 本文研究的主要内容及章节安排
2 基于机器视觉的车辆横向控制系统设计
2.1 机器视觉横向控制总体方案
2.2 机器视觉系统硬件结构
2.2.1 机器视觉系统硬件结构框图
2.2.2 视觉传感器选型
2.2.3 视觉传感器布局
2.3 机器视觉系统软件结构
2.4 算法描述
2.4.1 双目摄像机标定模块
2.4.2 路径检测模块
2.4.3 立体校正、立体匹配、三维重建及定位模块
2.5 本章小结
3 双目立体视觉成像模型及标定
3.1 摄像机的两种数学模型
3.1.1 坐标系转换
3.I.2 摄像机针孔模型
3.1.3 摄像机畸变模型
3.2 摄像机标定方法
3.2.1 传统标定方法
3.2.2 自标定方法
3.2.3 本文的摄像机标定方法
3.3 双目摄像机标定实验及结果分析
3.3.1 摄像机标定实验步骤
3.3.2 双目摄像机标定实验结果及分析
3.4 本章小结
4 道路检测算法研究
4.1 道路图像预处理
4.1.1 灰度化处理
4.1.2 图像滤波
4.1.3 道路图像的自适应阈值分割
4.2 常用的边缘检测算子及其检测效果
4.2.1 Roberts检测算子
4.2.2 Sobel检测算子
4.2.3 Prewitt检测算子
4.2.4 高斯-拉普拉斯边缘检测算子
4.2.5 Canny边缘检测算子
4.3 形态学处理
4.4 Hough变换拟合路径
4.5 本章小结
5 三维重建及车辆定位
5.1 立体校正
5.1.1 Hartley的非标定立体校正算法
5.1.2 Bouguet的立体校正算法
5.2 立体匹配
5.2.1 选择合适的匹配基元
5.2.2 匹配约束准则
5.2.3 算法结构
5.3 立体匹配算法
5.3.1 基于特征的匹配
5.3.2 基于区域的匹配
5.3.3 基于相位的匹配
5.4 本课题的两种匹配方法
5.4.1 基于SIFT的特征匹配
5.4.2 基于区域的立体匹配
5.5 三维重投影及获取导航参数
5.5.1 三维重投影原理
5.5.2 三维重投影实验
5.5.3 导航参数获取
5.5.4 相对位姿参数实验数据分析
5.6 本章小结
6 车辆横向控制策略及实验仿真
6.1 滑模变结构控制算法简介
6.1.1 定义滑动模态及其数学定义
6.1.2 定义滑模变结构控制
6.1.3 滑模变结构控制器设计的一般方法
6.1.4 滑模交结构控制所存在的抖振问题
6.2 模糊控制理论简介
6.3 基于预瞄机制的横向控制模型
6.3.1 建立车辆坐标系
6.3.2 预瞄运动学模型
6.3.3 建立横向运动学模型
6.4 基于等效控制的模糊滑模控制器的设计
6.4.1 设计滑模控制函数
6.4.2 设计模糊控制器
6.5 仿真实验及数据分析
6.5.1 仿真实验1
6.5.2 仿真实验2
6.5.3 仿真实验3
6.5.4 仿真实验4
6.6 本章小结
7 结论与展望
7.1 论文工作总结
7.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢
声明