| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 引言 | 第11-12页 |
| 1.2 智能车辆技术概述 | 第12-18页 |
| 1.2.1 国外智能车辆概况 | 第12-15页 |
| 1.2.2 国内智能车辆概况 | 第15-17页 |
| 1.2.3 成熟的智能车辆辅助产品 | 第17-18页 |
| 1.3 基于视觉的汽车主动安全技术 | 第18-19页 |
| 1.3.1 基于视觉的车道线检测 | 第18-19页 |
| 1.3.2 基于单目视觉的前方车辆检测 | 第19页 |
| 1.4 课题方案及主要研究内容 | 第19-23页 |
| 第2章 智能车硬件平台与摄像机坐标转换 | 第23-31页 |
| 2.1 引言 | 第23页 |
| 2.2 智能车硬件实验平台 | 第23-25页 |
| 2.2.1 智能车辅助驾驶系统结构 | 第23-24页 |
| 2.2.2 摄像机的选型与安装 | 第24-25页 |
| 2.3 摄像机坐标转换 | 第25-30页 |
| 2.3.1 摄像机模型及转换过程 | 第25-27页 |
| 2.3.2 世界坐标系和摄像机坐标系的关系 | 第27页 |
| 2.3.3 图像坐标系 | 第27-28页 |
| 2.3.4 坐标转换公式 | 第28-29页 |
| 2.3.5 摄像机的标定和单应矩阵的计算 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 图像预处理 | 第31-37页 |
| 3.1 引言 | 第31页 |
| 3.2 截取ROI区域 | 第31-32页 |
| 3.3 灰度化 | 第32-34页 |
| 3.4 图像降噪 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于改进SIS和改进顺序RANSAC的车道线检测 | 第37-57页 |
| 4.1 引言 | 第37-38页 |
| 4.2 常用的二值化算法 | 第38-41页 |
| 4.2.1 最大熵阈值分割法 | 第38-39页 |
| 4.2.2 最大类间方差法 | 第39-40页 |
| 4.2.3 迭代阈值分割法 | 第40页 |
| 4.2.4 Bernsen阈值分割法 | 第40-41页 |
| 4.3 改进SIS阈值分割算法 | 第41-44页 |
| 4.3.1 SIS阈值算法 | 第41页 |
| 4.3.2 改进SIS阈值算法 | 第41-43页 |
| 4.3.3 积分图快速算法 | 第43-44页 |
| 4.4 基于改进顺序RANSAC的直车道线检测 | 第44-50页 |
| 4.4.1 车道线模型的构建与简化 | 第44-46页 |
| 4.4.2 改进顺序RANSAC算法拟合车道线 | 第46-48页 |
| 4.4.3 最终模型和车道线的确定 | 第48-50页 |
| 4.5 实验与分析 | 第50-54页 |
| 4.6 本章小结 | 第54-57页 |
| 第5章 基于HAAR特征和车辆底部阴影的车辆识别 | 第57-75页 |
| 5.1 引言 | 第57-58页 |
| 5.2 常见的车辆检测方法 | 第58-63页 |
| 5.2.1 基于HOG和SVM的车辆识别算法 | 第58-61页 |
| 5.2.2 基于车辆底部阴影的车辆识别算法 | 第61-63页 |
| 5.3 基于车辆底部阴影的车辆感兴趣区提取 | 第63-66页 |
| 5.3.1 车辆底部阴影的分割 | 第63-64页 |
| 5.3.2 车辆底部阴影的修正 | 第64-66页 |
| 5.4 基于HAAR分类器和车底阴影的车辆检测方法 | 第66-70页 |
| 5.4.1 Haar-like特征 | 第66-67页 |
| 5.4.2 级联Adaboost算法 | 第67-69页 |
| 5.4.3 分类器训练与车辆检测 | 第69-70页 |
| 5.5 实验与分析 | 第70-73页 |
| 5.6 本章小结 | 第73-75页 |
| 第6章 安全预警和软件平台 | 第75-83页 |
| 6.1 引言 | 第75页 |
| 6.2 车道偏离预警 | 第75-76页 |
| 6.3 碰撞预警 | 第76-78页 |
| 6.4 软件平台 | 第78-81页 |
| 6.5 本章小结 | 第81-83页 |
| 结论与展望 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间发表的学术论文 | 第91-93页 |
| 致谢 | 第93页 |