基于机器视觉的自主无人车道路识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-11页 |
| ·课题研究背景 | 第9-10页 |
| ·课题研究意义 | 第10-11页 |
| ·基于机器视觉的自主无人车辆研究现状 | 第11-13页 |
| ·计算机视觉的环境感知技术 | 第11页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文章节安排 | 第14-15页 |
| 2 基于机器视觉的车道线检测系统设计 | 第15-21页 |
| ·视觉导航系统硬件结构 | 第15-18页 |
| ·视觉系统构成 | 第15-16页 |
| ·图像采集 | 第16-18页 |
| ·系统软件设计 | 第18-20页 |
| ·软件系统总体框架 | 第18-20页 |
| ·算法描述 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 道路图像预处理方法研究 | 第21-41页 |
| ·道路图像灰度化处理 | 第21-22页 |
| ·道路图像滤波算法研究 | 第22-27页 |
| ·图像滤波算法 | 第23-27页 |
| ·边缘检测算法研究 | 第27-35页 |
| ·边缘检测算子 | 第28-31页 |
| ·Canny边缘检测算子 | 第31-33页 |
| ·图像边缘检测对比分析 | 第33-35页 |
| ·基于阈值的图像分割算法 | 第35-40页 |
| ·传统分水岭算法 | 第35-37页 |
| ·最大类间方差法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 车道线识别与跟踪检测算法 | 第41-67页 |
| ·摄像机标定 | 第42-49页 |
| ·摄像机成像的几何关系 | 第42-46页 |
| ·摄像机测量模型 | 第46-49页 |
| ·车道线模型 | 第49-52页 |
| ·结构化道路先验假设 | 第49-50页 |
| ·建立车道线模型 | 第50-52页 |
| ·车道线提取算法 | 第52-54页 |
| ·车道线跟踪 | 第54-60页 |
| ·Kalman滤波基本原理 | 第55-56页 |
| ·车道线的追踪 | 第56-59页 |
| ·扩展Kalman滤波 | 第59-60页 |
| ·道路模型匹配 | 第60-62页 |
| ·车道线拟合方法 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 5 结构化道路车道线识别实验 | 第67-75页 |
| ·摄像机标定实验 | 第67-70页 |
| ·摄像机标定过程 | 第68-70页 |
| ·实验结果 | 第70页 |
| ·直线模型车道线检测实验 | 第70-71页 |
| ·双曲线模型车道线检测实验 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 6 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士期间发表的论文 | 第81-82页 |
| 致谢 | 第82-84页 |
