| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外的研究现状以及进展 | 第11-13页 |
| 1.3 本文主要工作 | 第13-16页 |
| 1.3.1 本文的研究内容 | 第13-14页 |
| 1.3.2 本文的组织结构 | 第14-16页 |
| 第2章 基于LBP和HOG特征的SVM分类器的路面提取 | 第16-27页 |
| 2.1 SVM分类器 | 第17-21页 |
| 2.1.1 线性可分支持向量机 | 第17-19页 |
| 2.1.2 线性不可分支持向量机 | 第19-21页 |
| 2.2 基于SVM分类器的路面样本训练 | 第21-25页 |
| 2.2.1 训练样本选取 | 第21页 |
| 2.2.2 训练样本特征选择 | 第21-22页 |
| 2.2.3 训练样本特征提取 | 第22-24页 |
| 2.2.4 分类器设计 | 第24-25页 |
| 2.3 路面识别 | 第25-26页 |
| 2.3.1 识别过程 | 第25页 |
| 2.3.2 识别结果 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于单应性原理的路面检测算法 | 第27-41页 |
| 3.1 单应性原理理论基础 | 第27-29页 |
| 3.2 单应性矩阵的获取算法 | 第29-31页 |
| 3.2.1 基于像素匹配的方法 | 第29-30页 |
| 3.2.2 基于特征点匹配的方法 | 第30-31页 |
| 3.3 特征点提取与匹配 | 第31-35页 |
| 3.3.1 特征点提取算法 | 第31-34页 |
| 3.3.2 特征点匹配算法 | 第34-35页 |
| 3.4 RANSAC改进的单应性矩阵获取算法 | 第35-38页 |
| 3.5 单应性原理路面检测 | 第38-40页 |
| 3.5.1 检测过程 | 第38-39页 |
| 3.5.2 检测结果 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于多帧融合的路面检测算法 | 第41-48页 |
| 4.1 基于贝叶斯原理的多帧融合的路面检测 | 第41-44页 |
| 4.1.1 融合原理 | 第41-42页 |
| 4.1.2 概率更新框架 | 第42-44页 |
| 4.1.3 多帧历史信息融合 | 第44页 |
| 4.2 路面检测区域平滑化 | 第44-47页 |
| 4.2.1 形态学处理 | 第44-46页 |
| 4.2.2 路面边界约束 | 第46-47页 |
| 4.2.3 实验结果 | 第47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-54页 |
| 5.1 算法描述 | 第48-49页 |
| 5.2 算法评估 | 第49-53页 |
| 5.2.1 测试样本 | 第49页 |
| 5.2.2 测试结果 | 第49-50页 |
| 5.2.3 效果对比 | 第50-51页 |
| 5.2.4 量化分析 | 第51-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结和展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |