基于机器视觉的障碍导航辅助系统
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-19页 |
| 1.1 研究的背景及意义 | 第7-9页 |
| 1.2 障碍导航辅助系统 | 第9-10页 |
| 1.3 障碍导航辅助系统国内外研究现状 | 第10-17页 |
| 1.3.1 国内研究现状 | 第10-12页 |
| 1.3.2 国外研究现状 | 第12-17页 |
| 1.4 论文研究的内容及安排 | 第17-19页 |
| 第2章 图像采集与预处理 | 第19-37页 |
| 2.1 图像采集 | 第19-21页 |
| 2.2 图像预处理 | 第21-35页 |
| 2.2.1 图像灰度化 | 第21-22页 |
| 2.2.2 图像增强 | 第22-29页 |
| 2.2.3 形态学的基本操作 | 第29-35页 |
| 2.3 图像复原 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 红绿灯的定位与识别 | 第37-56页 |
| 3.1 交通灯识别算法流程 | 第37页 |
| 3.2 分割提取候选区域 | 第37-46页 |
| 3.2.1 色彩空间转换 | 第37-44页 |
| 3.2.2 提取候选区域 | 第44-46页 |
| 3.3 交通灯疑似位置提取 | 第46-48页 |
| 3.4 基于HSV与形状特征的交通灯识别 | 第48-53页 |
| 3.4.1 图像融合 | 第49-52页 |
| 3.4.2 交通灯识别 | 第52-53页 |
| 3.5 实验结果与分析 | 第53-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 道路可行区域的检测 | 第56-74页 |
| 4.1 道路边缘检测 | 第56-62页 |
| 4.2 阈值分割法 | 第62-69页 |
| 4.2.1 迭代法与Ostu法 | 第62-64页 |
| 4.2.2 基于支持向量机的道路可行区域检测 | 第64-66页 |
| 4.2.3 利用遗传算法对道路进行分割 | 第66-67页 |
| 4.2.4 基于马氏距离的道路可行区域检测 | 第67-69页 |
| 4.3 基于HSV与Ostu的道路可行区域的检测 | 第69-72页 |
| 4.3.1 空间转换及分量处理 | 第70-71页 |
| 4.3.2 道路可行区域检测 | 第71-72页 |
| 4.4 实验结果分析 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录A 迭代法求最佳分割阈值部分代码 | 第80-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间的研究成果 | 第82页 |
