ALV二维道路分割算法研究与实现
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-21页 |
| 1．1 计算机视觉简介 | 第7-9页 |
| 1．2 机器人简介 | 第9-20页 |
| 1．2．1 机器人的定义 | 第9-11页 |
| 1．2．2 机器人的分类及地面移动机器人 | 第11-13页 |
| 1．2．3 地面机器人发展历史及现状 | 第13-17页 |
| 1．2．4 研究内容及难点 | 第17-20页 |
| 1．3 本文的主要研究内容及组成结构 | 第20-21页 |
| 第二章 图像分割技术 | 第21-32页 |
| 2．1 引言 | 第21页 |
| 2．2 图像分割简介 | 第21-23页 |
| 2．3 图像分割定义 | 第23页 |
| 2．4 图像分割的难点 | 第23-24页 |
| 2．5 图像分割算法分类 | 第24-27页 |
| 2．5．1 基于像素的分割算法 | 第24-25页 |
| 2．5．2 基于边缘的分割算法 | 第25-26页 |
| 2．5．3 基于区域的分割算法 | 第26-27页 |
| 2．5．4 基于模型的分割算法 | 第27页 |
| 2．6 K-均值聚类算法的描述及快速实现方法 | 第27-29页 |
| 2．6．1 聚类算法简介 | 第27-28页 |
| 2．6．2 k-均值聚类算法简介 | 第28-29页 |
| 2．7 边缘检测和Hough变换 | 第29-31页 |
| 2．7．1 边缘提取和检测 | 第29-30页 |
| 2．7．2 Hough变换 | 第30-31页 |
| 2．8 本章小节 | 第31-32页 |
| 第三章 道路跟踪算法描述和实现 | 第32-45页 |
| 3．1 引言 | 第32页 |
| 3．2 道路图像的快速分割 | 第32-37页 |
| 3．2．1 道路彩色特征确定 | 第32-36页 |
| 3．2．2 K-均值聚类算法的加速 | 第36-37页 |
| 3．2．3 曲线拟合 | 第37页 |
| 3．3 基于直方图的K-均值聚类图像区域分割 | 第37-41页 |
| 3．4 实验结果 | 第41-44页 |
| 3．5 本章小结 | 第44-45页 |
| 第四章 路面阴影的检测与消除 | 第45-56页 |
| 4．1 引言 | 第45页 |
| 4．2 阴影的简介和分类 | 第45-46页 |
| 4．2．1 阴影的简介 | 第45页 |
| 4．2．2 阴影的形成机理 | 第45-46页 |
| 4．2．3 阴影的分类 | 第46页 |
| 4．3 常见的阴影处理方法 | 第46-47页 |
| 4．4 道路阴影的处理方法 | 第47-52页 |
| 4．4．1 道路阴影的主要特点 | 第47-49页 |
| 4．4．2 道路阴影的检测方法 | 第49-50页 |
| 4．4．3 有阴影路段的道路边缘提取 | 第50-52页 |
| 4．5 实验数据和结果 | 第52-55页 |
| 4．6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 硕士就读期间发表论文 | 第58-59页 |
| 参考文献 | 第59-62页 |
