声明
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于相机的目标检测算法
1.2.2 基于相机的车道线检测算法
1.2.3基于毫米波雷达的目标检测算法
1.2.4基于多传感器融合的目标检测算法
1.3 目前的研究难点
1.4 论文组织结构
2 相关研究方法
2.1 引言
2.2 卷积神经网络
2.2.1 卷积神经网络特点
2.2.2 卷积神经网络构成
2.2.3 全卷积网络
2.2.4 编码器-解码器架构
2.3 目标检测算法
2.3.1 图像预处理技术
2.3.2 车道线目标检测
2.3.3 车辆目标检测
2.4 本章小结
3 基于卷积神经网络的车道线识别跟踪
3.1 引言
3.2 算法流程
3.2.1 网络结构
3.2.2 改进型编码器-解码器构架神经网络
3.2.3车道线检测的分割模型
3.2.4车道线拟合模型
3.3 实验分析
3.3.1 数据集选择
3.3.2 实验结果与分析
3.4 本章小结
4 毫米波雷达与相机融合识别追踪
4.1 引言
4.2 融合识别追踪模型
4.2.1 融合层次
4.2.2 系统架构
4.3 相机的目标检测识别算法
4.3.1 检测识别算法介绍
4.3.2 基于YOLO的检测识别算法
4.3.3 实验结果与分析
4.4 毫米波雷达模型检测模型
4.4.1 毫米波雷达目标检测模型
4.4.2 毫米波雷达目标筛选追踪
4.5 融合感知追踪
4.5.1 道路车辆建模
4.5.2 车辆目标关联追踪
4.5.3 实验结果与分析
4.6 本章小结
5 融合系统实现
5.1 引言
5.2 传感器信息空间融合
5.2.1 坐标体系的建立
5.2.2 相机坐标系转换
5.2.3 相机畸变修正
5.2.4雷达与相机空间对齐
5.3 传感器信息时间融合
5.3.1 时间融合原理
5.3.2 内插外推法
5.4 系统设计与实现
5.4.1 硬件系统设计
5.4.2 软件系统设计
5.4.3 融合系统实现
5.5 本章总结
6 总结与展望
6.1 总结
6.2 未来展望
致谢
参考文献
附录
南京理工大学;
