| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景与选题意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究的意义 | 第15页 |
| 1.1.3 课题来源 | 第15页 |
| 1.2 国内外车道线识别算法研究现状 | 第15-19页 |
| 1.2.1 车道线检测算法现状 | 第15-18页 |
| 1.2.2 车道线跟踪算法现状 | 第18-19页 |
| 1.3 国内外车道偏离预警系统研究现状 | 第19-22页 |
| 1.3.1 车道偏离预警系统国外研究现状 | 第19-21页 |
| 1.3.2 车道偏离预警系统国内研究现状 | 第21-22页 |
| 1.4 本文主要工作及章节安排 | 第22-24页 |
| 1.4.1 论文主要研究内容 | 第22页 |
| 1.4.2 论文章节安排 | 第22-24页 |
| 第2章 自主车辆道路图像预处理方法 | 第24-40页 |
| 2.1 图像预处理算法结构 | 第24-25页 |
| 2.2 道路图像灰度化 | 第25-26页 |
| 2.3 道路图像滤波增强 | 第26-27页 |
| 2.4 道路图像二值化 | 第27-32页 |
| 2.4.1 直方图双峰法 | 第28页 |
| 2.4.2 最大熵法 | 第28-29页 |
| 2.4.3 大津阈值分割法 | 第29-31页 |
| 2.4.4 图像阈值分割效果分析 | 第31-32页 |
| 2.5 道路图像边缘增强 | 第32-39页 |
| 2.5.1 Roberts边缘检测算子 | 第32-33页 |
| 2.5.2 Canny边缘检测算子 | 第33-36页 |
| 2.5.3 Sobel边缘检测算子 | 第36-37页 |
| 2.5.4 改进的Sobel算法 | 第37-38页 |
| 2.5.5 边缘检测算子效果对比分析 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 自主车辆道路线检测与跟踪方法 | 第40-54页 |
| 3.1 车道线模型的确立 | 第40-41页 |
| 3.2 基于直线模型的道路线检测方法 | 第41-45页 |
| 3.2.1 Hough变换检测直线 | 第42-43页 |
| 3.2.2 基于先验知识约束的Hough变换 | 第43-45页 |
| 3.3 车道线跟踪预测算法 | 第45-50页 |
| 3.3.1 基于Kalman滤波器建立动态感兴趣区域 | 第45-48页 |
| 3.3.2 基于最小二乘法的车道标志线局部感兴趣区域提取 | 第48-50页 |
| 3.3.3 车道线跟踪失效判别模块 | 第50页 |
| 3.4 试验结果及分析 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 自主车辆车道偏离预警决策算法与实验分析 | 第54-67页 |
| 4.1 车道偏离常用预警模型简介 | 第54-57页 |
| 4.1.1 CCP预警决策模型 | 第54-55页 |
| 4.1.2 FOD预警决策模型 | 第55页 |
| 4.1.3 KBIRS预警决策模型 | 第55页 |
| 4.1.4 TLC预警决策模型 | 第55-57页 |
| 4.2 基于横向距离的预警决策模型的建立 | 第57-58页 |
| 4.3 车道偏离预警系统软件设计及性能分析 | 第58-66页 |
| 4.3.1 车道偏离预警系统功能结构设计 | 第59-61页 |
| 4.3.2 系统实验环境 | 第61-63页 |
| 4.3.3 系统报警方式 | 第63页 |
| 4.3.4 系统性能分析 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 本文的工作总结 | 第67-68页 |
| 存在的问题与进一步工作的展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 附录A 攻读学位期间所发表的学术论文 | 第76-77页 |
| 附录B 攻读学位期间参与的科研项目和成果 | 第77页 |