| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究工作的背景与意义 | 第8-9页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11页 |
| ·论文的结构安排 | 第11-13页 |
| 第二章 车道线检测 | 第13-30页 |
| ·道路图像预处理 | 第14-17页 |
| ·灰度图像 | 第14页 |
| ·图像噪声滤除 | 第14-16页 |
| ·背景减除 | 第16-17页 |
| ·基于霍夫变换的近端车道线检测 | 第17-19页 |
| ·基于权值聚类的消失点检测 | 第19-21页 |
| ·基于Catmull-Rom样条曲线的远端车道线检测 | 第21-23页 |
| ·Catmull-Rom样条曲线 | 第21-22页 |
| ·远端车道线检测 | 第22-23页 |
| ·基于Kalman滤波的车道线跟踪算法 | 第23-28页 |
| ·Kalman滤波的基本原理 | 第24-25页 |
| ·基于Kalman滤波确定感兴趣域 | 第25-27页 |
| ·跟踪算法中消失点的检测 | 第27-28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 车辆检测 | 第30-37页 |
| ·Haar-like特征 | 第30-31页 |
| ·积分图 | 第31-32页 |
| ·基于Adaboost的车辆检测方法 | 第32-34页 |
| ·实验结果 | 第34-36页 |
| ·训练样本库 | 第34-35页 |
| ·实验结果与分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 行人检测 | 第37-52页 |
| ·HOG特征提取 | 第38-44页 |
| ·图像预处理 | 第38-39页 |
| ·梯度计算 | 第39-41页 |
| ·梯度方向直方图统计 | 第41页 |
| ·特征值归一化 | 第41-42页 |
| ·HOG积分图 | 第42-44页 |
| ·多通道融合特征 | 第44-45页 |
| ·线性分类器 | 第45-46页 |
| ·基于HOG特征的SVM学习方法 | 第46-47页 |
| ·检测窗口扫描 | 第47-49页 |
| ·实验结果 | 第49-50页 |
| ·训练样本库 | 第49页 |
| ·实验结果与分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 驾驶辅助系统在其他领域的应用 | 第52-56页 |
| ·无人驾驶研究领域 | 第52-53页 |
| ·障碍物检测 | 第52页 |
| ·道路检测 | 第52-53页 |
| ·在智能交通领域 | 第53-56页 |
| ·车流量统计 | 第53-54页 |
| ·公交车人数数量统计 | 第54页 |
| ·专用道非法占道抓拍 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·本文小结 | 第56-57页 |
| ·研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |