智能车辆视觉系统中车道线与车辆识别技术研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 车道线检测研究现状 | 第19-20页 |
| 1.2.2 车辆识别研究现状 | 第20-21页 |
| 1.3 论文主要研究内容 | 第21-23页 |
| 第二章 基于投票机制的消失点与方向角检测 | 第23-34页 |
| 2.1 算法总体设计 | 第23-24页 |
| 2.2 图像预处理 | 第24-29页 |
| 2.2.1 感兴趣区域选取 | 第24页 |
| 2.2.2 图像灰度化 | 第24-25页 |
| 2.2.3 滤波处理 | 第25-27页 |
| 2.2.4 边缘检测 | 第27-29页 |
| 2.3 消失点与方向角检测 | 第29-33页 |
| 2.3.1 特征点筛选与投影计算 | 第29-31页 |
| 2.3.2 消失点检测 | 第31-32页 |
| 2.3.3 方向角检测 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 车道线提取与偏离预警决策 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 车道线识别与跟踪 | 第34-37页 |
| 3.2.1 定义目标拟合区域 | 第34-35页 |
| 3.2.2 置信度判断 | 第35-36页 |
| 3.2.3 基于倒梯形区域的车道跟踪 | 第36-37页 |
| 3.3 车道偏离预警系统需求与原理 | 第37-42页 |
| 3.3.1 视觉传感器 | 第38-41页 |
| 3.3.2 摄像机标定 | 第41-42页 |
| 3.4 车道偏离预警模型选择与建立 | 第42-45页 |
| 3.4.1 常用的车道偏离预警模型 | 第42-44页 |
| 3.4.2 车道偏离预警决策 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于机器视觉的车辆识别与测距算法 | 第46-62页 |
| 4.1 基于Adaboost算法的车辆识别 | 第46-51页 |
| 4.1.1 Haar特征 | 第46-48页 |
| 4.1.2 Adaboost算法原理 | 第48-50页 |
| 4.1.3 级联分类器 | 第50-51页 |
| 4.2 车辆识别算法流程 | 第51-54页 |
| 4.2.1 分类器训练过程 | 第51-53页 |
| 4.2.2 车辆识别 | 第53-54页 |
| 4.3 基于单目视觉的距离测量 | 第54-61页 |
| 4.3.1 测距模型 | 第54-57页 |
| 4.3.2 前方车辆距离测量 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 车道线与车辆识别试验验证 | 第62-72页 |
| 5.1 车道线检测实车试验 | 第62-68页 |
| 5.1.1 嵌入式硬件平台系统 | 第62-64页 |
| 5.1.2 软件系统 | 第64页 |
| 5.1.3 试验平台搭建 | 第64-66页 |
| 5.1.4 实车试验结果 | 第66-68页 |
| 5.2 车辆识别与车道线检测算法融合试验 | 第68-71页 |
| 5.2.1 试验系统布置 | 第69-70页 |
| 5.2.2 试验结果分析 | 第70-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第78-79页 |
