| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状与关键问题 | 第8-10页 |
| 1.2.1 研究现状 | 第8-9页 |
| 1.2.2 关键问题 | 第9-10页 |
| 1.3 本文的主要工作及创新点 | 第10-15页 |
| 1.3.1 主要研究工作 | 第10-13页 |
| 1.3.2 研究创新点 | 第13-15页 |
| 2 图像分割与特征选取 | 第15-23页 |
| 2.1 分割算法及对比分析 | 第15-18页 |
| 2.1.1 超像素(Super Pixel)分割 | 第15-16页 |
| 2.1.2 固定栅格分割 | 第16-17页 |
| 2.1.3 两种分割算法的对比分析 | 第17-18页 |
| 2.2 图像特征选取 | 第18-23页 |
| 2.2.1 图像特征分类 | 第18-20页 |
| 2.2.2 Adaboost原理 | 第20页 |
| 2.2.3 特征选取算法与结果 | 第20-23页 |
| 3 基于在线学习的非结构化道路检测 | 第23-33页 |
| 3.1 支持向量机(SVM)原理 | 第23-25页 |
| 3.2 基于固定分类器道路检测的局限性 | 第25-26页 |
| 3.3 分类器在线更新与数据精简 | 第26-29页 |
| 3.3.1 分类器在线更新 | 第26-27页 |
| 3.3.2 数据精简 | 第27-29页 |
| 3.4 基于形态学处理的检测结果优化 | 第29-33页 |
| 3.4.1 图像的膨胀与腐蚀 | 第29-31页 |
| 3.4.2 检测结果的优化 | 第31-33页 |
| 4 基于视觉激光数据融合的三维道路建模 | 第33-41页 |
| 4.1 视觉与激光的联合标定 | 第33-35页 |
| 4.2 基于激光数据几何特征的三维道路区域界定 | 第35-37页 |
| 4.3 基于随机采样一致性(RANSAC)的三维道路边界描述 | 第37-41页 |
| 4.3.1 RANSAC拟合原理 | 第37-38页 |
| 4.3.2 RANSAC拟合道路边界 | 第38-41页 |
| 5 实验结果与数据分析 | 第41-49页 |
| 5.1 实验相关参数选取 | 第41-45页 |
| 5.2 基于在线学习的道路检测结果与分析 | 第45-48页 |
| 5.3 算法实时性分析 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54页 |
| 课题资助情况 | 第54-55页 |
| 致谢 | 第55-56页 |