面向非结构化道路的视觉导航关键技术研究
| 摘要 | 第1-8页 |
| Abstract | 第8-16页 |
| 第1章 绪论 | 第16-33页 |
| ·研究背景及意义 | 第16-19页 |
| ·国内外智能车辆视觉导航关键技术研究现状 | 第19-24页 |
| ·国外智能车辆视觉导航关键技术研究现状 | 第19-22页 |
| ·国内智能车辆视觉导航关键技术研究现状 | 第22-24页 |
| ·道路检测技术国内外研究现状 | 第24-27页 |
| ·当前可行路视觉检测系统面临的问题 | 第27-29页 |
| ·非结构化道路检测的难点分析 | 第29-31页 |
| ·课题来源及研究内容 | 第31-33页 |
| 第2章 基于Otsu 双阈值法的道路区域分割 | 第33-55页 |
| ·引言 | 第33页 |
| ·结构化道路与非结构化道路 | 第33-36页 |
| ·结构化道路 | 第33-34页 |
| ·非结构化道路 | 第34-36页 |
| ·道路图像预处理 | 第36-39页 |
| ·道路图像的高斯平滑 | 第36-38页 |
| ·道路图像特征分析与色彩空间选择 | 第38-39页 |
| ·传统阈值分割方法 | 第39-44页 |
| ·一维Otsu 阈值法 | 第41页 |
| ·二维Otsu 阈值法 | 第41-43页 |
| ·一致性准则法 | 第43页 |
| ·最大熵阈值法 | 第43-44页 |
| ·基于直方图搜索的Otsu 多阈值法 | 第44-49页 |
| ·灰度直方图分析 | 第44-45页 |
| ·峰值聚类与多阈值分割 | 第45-47页 |
| ·多颜色通道的融合 | 第47-49页 |
| ·道路区域分割实验 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第3章 基于加权Canny 边缘的道路边界检测 | 第55-72页 |
| ·引言 | 第55-56页 |
| ·加权Canny 边缘检测 | 第56-59页 |
| ·标准Canny 边缘检测方法 | 第56-58页 |
| ·加权Canny 边缘检测方法 | 第58-59页 |
| ·启发式概率Hough 变换 | 第59-64页 |
| ·标准Hough 变换 | 第59-61页 |
| ·随机Hough 变换与概率Hough 变换 | 第61-63页 |
| ·启发式概率Hough 变换 | 第63-64页 |
| ·道路边界的双折线建模算法 | 第64-67页 |
| ·道路边界检测实验 | 第67-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 基于道路区域与边缘配准的道路检测 | 第72-86页 |
| ·引言 | 第72页 |
| ·道路区域与道路边缘的配准 | 第72-75页 |
| ·边缘配准与Otsu 的阈值优化 | 第73-74页 |
| ·Canny 边缘的权值重估 | 第74-75页 |
| ·像平面的三维映射 | 第75-78页 |
| ·视觉定位的几何原理 | 第75-76页 |
| ·相对定位算法 | 第76-78页 |
| ·基于自适应蒙特卡罗方法的道路边界跟踪 | 第78-80页 |
| ·智能车辆的运动模型 | 第78-79页 |
| ·自适应蒙特卡罗方法 | 第79-80页 |
| ·不同场景的道路检测实验 | 第80-85页 |
| ·基于边缘配准的道路检测 | 第80-84页 |
| ·基于自适应蒙特卡罗方法的道路边界跟踪 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第5章 基于复合特征光流的三维重建 | 第86-103页 |
| ·引言 | 第86页 |
| ·传统光流场方法 | 第86-90页 |
| ·传统光流计算 | 第87-88页 |
| ·特征光流描述 | 第88-90页 |
| ·Harris 特征检测算法 | 第90-92页 |
| ·SIFT 算法 | 第92-95页 |
| ·特征提取 | 第92-94页 |
| ·SIFT 特征匹配 | 第94-95页 |
| ·SIFT-Harris 复合特征光流计算 | 第95-98页 |
| ·SIFT-Harris 复合特征构建 | 第95-97页 |
| ·特征光流计算 | 第97-98页 |
| ·道路环境下的特征光流实验 | 第98-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-117页 |
| 攻读学位期间发表的学术论文 | 第117-118页 |
| 致谢 | 第118页 |
