摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第13-24页 |
1.1 研究背景 | 第13-14页 |
1.2 自动驾驶汽车 | 第14-19页 |
1.2.1 系统框架 | 第14-16页 |
1.2.2 国外研究现状 | 第16-18页 |
1.2.3 国内研究现状 | 第18-19页 |
1.3 车道线检测和车辆检测 | 第19-22页 |
1.3.1 计算机视觉在自动驾驶汽车的应用 | 第19-20页 |
1.3.2 车道线检测和车辆检测的国内外研究现状 | 第20-22页 |
1.4 本课题的研究意义及研究内容 | 第22-24页 |
1.4.1 研究意义 | 第22页 |
1.4.2 研究内容 | 第22-24页 |
第二章 基于横截面特征的车道线检测算法研究 | 第24-44页 |
2.1 车道线模型的描述 | 第24-25页 |
2.2 图像预处理 | 第25-29页 |
2.2.1 图像灰度化 | 第25-27页 |
2.2.2 图像去噪 | 第27页 |
2.2.3 感兴趣区域(ROI)的确定 | 第27-29页 |
2.3 车道线提取 | 第29-36页 |
2.3.1 自适应阈值分割 | 第29-31页 |
2.3.2 横截面特征点提取 | 第31-33页 |
2.3.3 形态学处理 | 第33-34页 |
2.3.4 连通域标记和分割 | 第34-36页 |
2.4 车道线拟合 | 第36-38页 |
2.4.1 最小二乘法 | 第36-37页 |
2.4.2 区域分块和分段拟合算法 | 第37-38页 |
2.5 车道线跟踪 | 第38-41页 |
2.5.1 Kalman滤波介绍 | 第38-40页 |
2.5.2 车道线Kalman滤波跟踪 | 第40-41页 |
2.6 实验验证 | 第41-43页 |
2.7 本章小结 | 第43-44页 |
第三章 基于改进Adaboost+Haar的车辆检测算法研究 | 第44-67页 |
3.1 Haar特征介绍 | 第44-46页 |
3.1.1 Haar特征 | 第44-45页 |
3.1.2 图像积分图 | 第45-46页 |
3.2 Adaboost算法介绍 | 第46-48页 |
3.2.1 弱分类器与强分类器 | 第46页 |
3.2.2 Adaboost算法流程 | 第46-47页 |
3.2.3 Adaboost级联分类器 | 第47-48页 |
3.3 Adaboost+Haar的检测原理 | 第48-49页 |
3.3.1 滑窗算法 | 第48页 |
3.3.2 非极大值抑制算法 | 第48-49页 |
3.4 相机标定与测距 | 第49-56页 |
3.4.1 针孔成像模型介绍 | 第50页 |
3.4.2 坐标系之间的关系 | 第50-52页 |
3.4.3 相机的标定算法 | 第52-54页 |
3.4.4 逆透视测距与实验 | 第54-56页 |
3.5 改进的Adaboost+Haar车辆检测算法 | 第56-60页 |
3.5.1 改进的Adaboost+Haar训练算法 | 第56-58页 |
3.5.2 改进的Adaboost+Haar检测算法 | 第58-60页 |
3.6 实验验证 | 第60-66页 |
3.6.1 改进的Adaboost+Haar训练算法实验 | 第60-63页 |
3.6.2 改进的Adaboost+Haar检测算法实验 | 第63-66页 |
3.7 本章小结 | 第66-67页 |
第四章 面向视频处理的闪现闪灭抑制算法研究 | 第67-78页 |
4.1 压缩感知介绍 | 第67-68页 |
4.2 压缩跟踪算法介绍 | 第68-72页 |
4.2.1 随机测量矩阵介绍 | 第68页 |
4.2.2 特征提取和压缩 | 第68-69页 |
4.2.3 分类器的构造和更新 | 第69-72页 |
4.3 闪现闪灭抑制算法研究 | 第72-75页 |
4.3.1 目标窗口消抖 | 第72页 |
4.3.2 闪现闪灭抑制与标号 | 第72-75页 |
4.4 实验验证 | 第75-77页 |
4.5 本章小结 | 第77-78页 |
第五章 总结与展望 | 第78-80页 |
5.1 总结 | 第78-79页 |
5.2 展望 | 第79-80页 |
参考文献 | 第80-85页 |
致谢 | 第85-86页 |
在学期间研究成果与发表的学术论文 | 第86页 |