1 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于毫米波雷达的前方车辆检测与跟踪方法
1.2.2 基于机器视觉的前方车辆检测与跟踪方法
1.2.3 基于多传感器融合的车辆识别
1.3 论文主要研究工作
2 基于毫米波雷达的车辆检测与跟踪
2.1 毫米波雷达工作原理
2.2 毫米波雷达选型与数据解析
2.3 毫米波雷达数据预处理
2.3.1 空目标滤波
2.3.2 相对车速滤波
2.3.3 车道范围滤波
2.4 车辆目标跟踪算法
2.4.1 多目标跟踪算法框架
2.4.2 多目标跟踪算法
2.4.3 算法验证
2.5 本章小结
3 基于机器视觉的车辆目标检测与跟踪
3.1 基于图像特征的车辆检测算法
3.1.1 图像预处理
3.1.2 生成车辆ROI区域
3.1.3 车辆存在性判断
3.1.4 基于图像特征的车辆检测算法验证
3.2 基于Haar-like+Adaboost车辆检测算法
3.2.1 Haar-like矩形特征
3.2.2 Adaboost算法原理
3.2.3 基于OpenCV的检测算法实现
3.3 核相关滤波跟踪算法
3.3.1 核相关滤波跟踪算法原理
3.3.2 结合KCF跟踪算法的车辆检测方法
3.3.3 跟踪算法验证
3.4 本章小结
4 基于毫米波雷达与机器视觉的信息融合算法研究
4.1 多传感器信息空间融合
4.1.1 毫米波雷达坐标系与世界坐标系转换
4.1.2 世界坐标系与摄像机坐标系转换
4.2 摄像机选型与标定
4.2.1 摄像机传感器的选型
4.2.2 相机标定
4.3 多传感器信息时间融合
4.4 基于雷达与机器视觉的信息融合算法研究
4.4.1 雷达投影ROI区域
4.4.2 融合算法机器视觉检测区域分割
4.4.3 视觉与雷达信息融合的关联算法
4.5 信息融合算法验证
4.6 本章小结
5 总结与展望
5.1 全文总结
5.2 工作展望
参考文献
附录
A 作者在攻读学位期间发表的专利
B 作者在攻读学位期间发表的论文
C 作者在攻读学位期间参与的科研项目
D 学位论文数据集
致谢
重庆大学;