1 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于视觉的车辆检测
1.1.2 基于视觉的车辆跟踪
1.2.3 多传感器融合算法
1.3 本文主要工作内容
2 基于毫米波雷达的车辆目标识别
2.1 毫米波雷达工作原理与数据解析
2.1.1 毫米波雷达工作原理
2.1.2 毫米波雷达数据解析
2.2 毫米波雷达目标数据初选
2.2.1 空信号目标的去除
2.2.2 有效目标初选
2.3 基于扩展卡尔曼滤波的车辆有效目标选取
2.4 本章小结
3 基于机器视觉的车辆检测
3.1 基于图像特征的车辆检测
3.1.1 车辆存在性假设
3.1.2 车辆存在性验证
3.2 基于特征级联分类器的车辆检测
3.2.1 Haar-like 矩形特征
3.2.2 Adaboost 算法原理
3.2.3 分类器的训练与实现
3.3 车辆检测仿真实验
3.3.1 基于图像特征的车辆检测
3.3.2 基于特征级联分类器的车辆检测
3.4 本章小结
4 基于遗传算法改进粒子滤波的车辆跟踪
4.1 粒子滤波算法
4.1.1 粒子滤波基本理论
4.1.2 粒子退化与重采样
4.2 基于遗传算法改进重采样
4.2.1 遗传算法基本原理
4.2.2 遗传算法改进重采样
4.2.3 改进粒子滤波算法在车辆跟踪中的实现步骤
4.3 车辆检测与跟踪融合框架
4.4 车辆跟踪仿真实验
4.4.1 基于改进粒子滤波的车辆跟踪
4.4.2 车辆检测与跟踪融合框架的仿真
4.5 本章小结
5 基于雷达与视觉信息融合的车辆检测与跟踪
5.1 多传感器空间坐标转换
5.2 摄像机内外参数求取
5.2.1 摄像机内参数标定
5.2.2 摄像机外参数标定
5.3 多传感器时间对准
5.4 基于信息融合的车辆检测与跟踪
5.4.1 雷达目标投影ROI 区域
5.4.2 雷达透视投影与视觉跟踪目标关联
5.4.3 跟踪边界框修正
5.4.4 跟踪框修正的仿真实验
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
附 录
A. 作者在攻读学位期间发表的科研论文目录
B. 作者在攻读学位期间参与的科研项目目录
C. 学位论文数据集
致 谢
重庆大学;