缩微交通环境下交通灯识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 无人驾驶技术国内外研究现状 | 第11页 |
| 1.2.2 智能车实验平台的国内外研究现状 | 第11-12页 |
| 1.2.3 缩微智能车基本需求 | 第12-14页 |
| 1.2.4 交通灯识别研究现状 | 第14页 |
| 1.3 本文主要内容与结构 | 第14-16页 |
| 第2章 交通灯识别方法 | 第16-30页 |
| 2.1 概述 | 第16-17页 |
| 2.2 色彩空间分析 | 第17-22页 |
| 2.2.1 色彩空间基础概述 | 第17-18页 |
| 2.2.2 几种色彩空间模型 | 第18-22页 |
| 2.3 图像数字化处理方法 | 第22-25页 |
| 2.3.1 图像二值化转换 | 第22-23页 |
| 2.3.2 图像灰度化处理 | 第23-25页 |
| 2.4 图像形态学处理方法 | 第25-30页 |
| 2.4.1 膨胀与腐蚀 | 第25-27页 |
| 2.4.2 开运算与闭算 | 第27-30页 |
| 第3章 圆形交通信号灯检测与识别 | 第30-46页 |
| 3.1 交通灯检测与识别系统流程 | 第30-32页 |
| 3.1.1 系统总体流程 | 第30-31页 |
| 3.1.2 交通灯检测流程 | 第31-32页 |
| 3.1.3 交通灯识别流程 | 第32页 |
| 3.2 兴趣区域的确定 | 第32-36页 |
| 3.2.1 查找兴趣区域 | 第32-33页 |
| 3.2.2 兴趣区域的除噪处理 | 第33-36页 |
| 3.3 基于HIS高斯建模的色彩分割 | 第36-39页 |
| 3.4 交通灯形状识别 | 第39-41页 |
| 3.4.1 HOUGH圆形检测 | 第39-41页 |
| 3.4.2 圆形度检测 | 第41页 |
| 3.5 交通灯背板匹配 | 第41-44页 |
| 3.5.1 交通灯背板提取 | 第42-43页 |
| 3.5.2 交通灯模板匹配 | 第43-44页 |
| 3.6 实验结果 | 第44-46页 |
| 第4章 箭头形交通信号灯检测与识别 | 第46-60页 |
| 4.1 模式识别 | 第46-47页 |
| 4.2 图像预处理 | 第47-48页 |
| 4.3 箭头形交通灯轮廓检测 | 第48-51页 |
| 4.3.1 轮廓检测基本方法 | 第48-50页 |
| 4.3.2 基于CANNY算子的轮廓检测 | 第50-51页 |
| 4.4 箭头形交通灯轮廓识别 | 第51-55页 |
| 4.4.1 HU不变矩 | 第51-53页 |
| 4.4.2 改进的HU不变矩 | 第53-54页 |
| 4.4.3 样本的特征提取 | 第54-55页 |
| 4.5 交通灯方向标志的识别 | 第55-57页 |
| 4.5.1 几种相似性度量 | 第55-56页 |
| 4.5.2 基于欧距离的方向标志识别 | 第56-57页 |
| 4.6 实验结果 | 第57-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
