CyberCar阴影路径识别算法研究
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-20页 |
| ·引言 | 第8-9页 |
| ·CyberCar的发展与应用 | 第9-13页 |
| ·CyberCar研究的意义 | 第10页 |
| ·CyberCar国内外研究现状 | 第10-13页 |
| ·CyberCar导航分类 | 第13-15页 |
| ·视觉导航车辆路径识别方法研究 | 第15-16页 |
| ·目前识别阴影环境中导航路径的研究概况 | 第16-18页 |
| ·本文将要开展的研究工作 | 第18-20页 |
| 第二章 较暗光照阴影路径图像分割算法研究 | 第20-38页 |
| ·引言 | 第20-22页 |
| ·较暗光照阴影路径图像的特点 | 第20-21页 |
| ·选择阈值曲面方法的原因 | 第21-22页 |
| ·曲面拟合原理 | 第22-24页 |
| ·采用阈值曲面方法分割阴影路径图像 | 第24-34页 |
| ·拟合点的选择 | 第24-29页 |
| ·多项式系数确定 | 第29-31页 |
| ·阈值曲面分割 | 第31-34页 |
| ·实际分割试验 | 第34-38页 |
| 第三章 正常光照阴影路径图像分割算法研究 | 第38-52页 |
| ·引言 | 第38-40页 |
| ·正常光照阴影路径图像的特点 | 第38-39页 |
| ·选择区域生长方法的原因 | 第39-40页 |
| ·区域生长算法简介 | 第40-41页 |
| ·区域生长算法分割过程 | 第41-48页 |
| ·种子点的选择 | 第41-46页 |
| ·生长规则的确定 | 第46-47页 |
| ·生长结束条件 | 第47-48页 |
| ·实际分割试验 | 第48-52页 |
| 第四章 较亮光照阴影路径图像分割算法研究 | 第52-62页 |
| ·引言 | 第52-54页 |
| ·较亮光照阴影路径图像的特点 | 第52-53页 |
| ·选择Laplacian法的原因 | 第53-54页 |
| ·Laplacian方法简介及改进 | 第54-55页 |
| ·应用Laplacian方法进行分割试验 | 第55-59页 |
| ·试验用Robert方法进行图像分割 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于BP神经网络的图像分类器设计 | 第62-74页 |
| ·引言 | 第62-66页 |
| ·分类器设计思路 | 第62-64页 |
| ·人工神经网络概述 | 第64-65页 |
| ·选择BP神经网络的原因 | 第65-66页 |
| ·分类器设计 | 第66-72页 |
| ·BP神经网络结构 | 第66页 |
| ·BP神经网络输出的计算过程 | 第66-67页 |
| ·阴影图像BP神经网络分类器的结构设计 | 第67-70页 |
| ·网络的训练 | 第70-72页 |
| ·实际图像分类试验 | 第72-74页 |
| 第六章 路径信息提取 | 第74-86页 |
| ·引言 | 第74-75页 |
| ·二值化图像特点 | 第74-75页 |
| ·选择分段最佳斜率平均法拟合直线的原因 | 第75页 |
| ·中心线拟合 | 第75-84页 |
| ·拟合方法概述 | 第76-78页 |
| ·拟合点的选取 | 第78-81页 |
| ·路径中心线的确定 | 第81-84页 |
| ·路径信息的获取 | 第84页 |
| ·实际路径试验 | 第84-86页 |
| 第七章 室外阴影路径识别试验 | 第86-91页 |
| ·试验平台简介 | 第86-87页 |
| ·路径识别方法的集成及软件实现 | 第87页 |
| ·不同阴影环境的路径识别试验 | 第87-90页 |
| ·结论 | 第90-91页 |
| 第八章 全文总结 | 第91-94页 |
| ·论文的主要工作及结论 | 第91-92页 |
| ·本文的局限性及进一步研究工作 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 摘要 | 第99-102页 |
| Abstract | 第102-105页 |
| 致谢 | 第105页 |
