| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 研究现状评述 | 第15页 |
| 1.3 课题来源及论文主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-18页 |
| 2 机器视觉理论概述及模型方案设计 | 第18-24页 |
| 2.1 机器视觉理论基础 | 第18-19页 |
| 2.2 模型方案设计 | 第19-21页 |
| 2.2.1 道路图像预处理 | 第19-20页 |
| 2.2.2 车道标识线的识别与跟踪 | 第20-21页 |
| 2.2.3 车辆偏离预警决策 | 第21页 |
| 2.3 本章小结 | 第21-24页 |
| 3 道路图像预处理 | 第24-38页 |
| 3.1 感兴趣区域划分 | 第24-25页 |
| 3.2 道路图像灰度化 | 第25-27页 |
| 3.2.1 最大值法 | 第25页 |
| 3.2.2 平均值法 | 第25-26页 |
| 3.2.3 加权平均值法 | 第26页 |
| 3.2.4 Adobe RGB(1998) | 第26页 |
| 3.2.5 各种算法实验效果对比 | 第26-27页 |
| 3.3 图像滤波增强 | 第27-30页 |
| 3.3.1 中值滤波 | 第27-28页 |
| 3.3.2 高斯滤波 | 第28页 |
| 3.3.3 直方图均衡化 | 第28-29页 |
| 3.3.4 图像金字塔滤波 | 第29页 |
| 3.3.5 各种滤波增强方法的实验对比及选择金字塔滤波的原因 | 第29-30页 |
| 3.4 道路图像边缘检测 | 第30-36页 |
| 3.4.1 Sobel边缘检测算子 | 第32-33页 |
| 3.4.2 Laplace边缘检测算子 | 第33页 |
| 3.4.3 Canny边缘检测算子 | 第33-35页 |
| 3.4.4 几种边缘检测算子及对Canny算法的改进 | 第35-36页 |
| 3.5 道路图像二值化 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 车道标识线的识别与跟踪 | 第38-50页 |
| 4.1 车道线模型的选择 | 第39-40页 |
| 4.2 改进的概率霍夫变换 | 第40-43页 |
| 4.3 最小二乘法进行直线拟合 | 第43-44页 |
| 4.4 基于距离和长度加权的路面干扰线规避算法 | 第44-45页 |
| 4.5 车道标识线跟踪算法 | 第45-46页 |
| 4.6 实验对比及结果分析 | 第46-48页 |
| 4.7 本章小结 | 第48-50页 |
| 5 车辆偏离预警决策算法的研究 | 第50-58页 |
| 5.1 车辆偏离预警决策算法的分类 | 第50-54页 |
| 5.1.1 CCP预警决策算法 | 第50-51页 |
| 5.1.2 FOD预警决策算法 | 第51页 |
| 5.1.3 TLC预警决策算法 | 第51-52页 |
| 5.1.4 KBIRS预警决策算法 | 第52-53页 |
| 5.1.5 基于EDF的车辆偏离预警决策算法 | 第53-54页 |
| 5.2 车辆偏离预警决策算法的选择 | 第54-55页 |
| 5.3 实验结果及分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第66页 |