移动机器人视觉导航中的道路检测
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| 1．1．研究意义和目标 | 第7-8页 |
| 1．2．国内外移动机器人研究现状 | 第8-10页 |
| 1．2．1．国外研究状况 | 第8-10页 |
| 1．2．2．国内研究状况 | 第10页 |
| 1．3．ALV技术研究现状 | 第10-13页 |
| 1．3．1．ALV及其视觉导航技术的研究 | 第10-11页 |
| 1．3．2．视觉导航技术——道路检测 | 第11-13页 |
| 1．4．主要内容安排 | 第13-14页 |
| 2 图像预处理 | 第14-23页 |
| 2．1．引言 | 第14页 |
| 2．2．彩色空间 | 第14-18页 |
| 2．2．1．彩色空间的选取 | 第14-15页 |
| 2．2．2．RGB彩色空间 | 第15页 |
| 2．2．3．HSI彩色空间 | 第15-16页 |
| 2．2．4．HSI与RGB彩色空间的相互转换 | 第16-18页 |
| 2．3．模糊增强 | 第18-22页 |
| 2．3．1．模糊增强模型概述 | 第18-19页 |
| 2．3．2．模糊增强模型原理与应用 | 第19-22页 |
| 2．4．本章小结 | 第22-23页 |
| 3 基于彩色补偿的彩色图像分割 | 第23-36页 |
| 3．1．引言 | 第23页 |
| 3．2．图像分割概述 | 第23-24页 |
| 3．3．彩色图像分割 | 第24-26页 |
| 3．3．1．选择彩色图像处理的原因 | 第24页 |
| 3．3．2．彩色图像分割方法概述 | 第24-26页 |
| 3．4．彩色补偿用于彩色图像分割 | 第26-29页 |
| 3．4．1．彩色补偿原理的提出 | 第26-27页 |
| 3．4．2．彩色补偿原理应用 | 第27-29页 |
| 3．5．图像二值化 | 第29-34页 |
| 3．5．1．彩色图像二值化通道选择 | 第29-30页 |
| 3．5．2．阈值分割概述 | 第30-31页 |
| 3．5．3．最大熵分割方法 | 第31-34页 |
| 3．6．本章小结 | 第34-36页 |
| 4 道路检测与提取 | 第36-42页 |
| 4．1．引言 | 第36页 |
| 4．2．链码概述 | 第36-38页 |
| 4．3．改进的链码跟踪思想及应用 | 第38-39页 |
| 4．4．路边特征点图像坐标获得 | 第39-41页 |
| 4．5．本章小结 | 第41-42页 |
| 5 彩色图像道路检测系统及实验 | 第42-53页 |
| 5．1．道路检测系统 | 第42-43页 |
| 5．2．图像预处理 | 第43-44页 |
| 5．3．彩色补偿作用 | 第44-45页 |
| 5．4．图像分割 | 第45-46页 |
| 5．5．道路检测 | 第46-47页 |
| 5．6．路边特征点提取 | 第47-48页 |
| 5．7．含阴影的道路图像分割 | 第48-51页 |
| 5．8．试验效果分析 | 第51-53页 |
| 总结和展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
