| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 无人机航拍车辆和车道检测研究现状 | 第15-16页 |
| 1.3 论文工作内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关技术 | 第19-27页 |
| 2.1 目标检测算法 | 第19-23页 |
| 2.1.1 传统目标检测算法 | 第19-20页 |
| 2.1.2 基于深度学习技术的目标检测算法 | 第20-21页 |
| 2.1.3 SSD目标检测算法 | 第21-23页 |
| 2.2 图像语义分割算法 | 第23-24页 |
| 2.3 Caffe神经网络计算框架 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 系统需求与概要设计 | 第27-43页 |
| 3.1 车辆和车道检测系统概述 | 第27-28页 |
| 3.2 车辆和车道检测系统功能需求 | 第28-33页 |
| 3.2.1 车流量统计功能 | 第29-30页 |
| 3.2.2 应急车道占用检测功能 | 第30-31页 |
| 3.2.3 飞行路线控制功能 | 第31-32页 |
| 3.2.4 数据显示功能 | 第32-33页 |
| 3.3 车辆和车道检测系统非功能性需求 | 第33-35页 |
| 3.3.1 算法实时性需求 | 第33-35页 |
| 3.3.2 易用性需求 | 第35页 |
| 3.4 系统概要设计 | 第35-37页 |
| 3.4.1 系统架构 | 第35页 |
| 3.4.2 系统模块设计 | 第35-37页 |
| 3.5 系统关键模块设计 | 第37-41页 |
| 3.5.1 车道图像语义分割 | 第37-39页 |
| 3.5.2 车辆检测 | 第39-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 系统详细设计与实现 | 第43-63页 |
| 4.1 车道图像语义分割模块 | 第43-48页 |
| 4.1.1 车道图像语义分割网络设计 | 第43-44页 |
| 4.1.2 网络训练 | 第44-47页 |
| 4.1.3 车道图像语义分割功能实现 | 第47-48页 |
| 4.2 车道拟合模块 | 第48-53页 |
| 4.2.1 车道轮廓提取 | 第49页 |
| 4.2.2 轮廓边缘点拟合 | 第49-52页 |
| 4.2.3 车道拟合模块功能实现 | 第52-53页 |
| 4.3 车辆检测模块 | 第53-59页 |
| 4.3.1 基于SSD算法的车辆检测网络优化 | 第53-55页 |
| 4.3.2 Mobile Net-SSD车辆目标检测训练 | 第55-58页 |
| 4.3.3 车辆检测模块功能实现 | 第58-59页 |
| 4.4 数据显示模块 | 第59-62页 |
| 4.4.1 检测结果显示 | 第59-60页 |
| 4.4.2 历史数据显示 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 系统测试 | 第63-73页 |
| 5.1 系统运行环境 | 第63-65页 |
| 5.2 功能测试 | 第65-71页 |
| 5.2.1 车流量统计功能测试 | 第65-66页 |
| 5.2.2 应急车道占用检测功能测试 | 第66-67页 |
| 5.2.3 飞行路线控制功能 | 第67-68页 |
| 5.2.4 数据显示功能 | 第68-71页 |
| 5.3 非功能性测试 | 第71-72页 |
| 5.3.1 实时性测试 | 第71-72页 |
| 5.3.2 易用性测试 | 第72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 论文工作总结 | 第73页 |
| 6.2 后续工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |