基于机器视觉的车道偏离预警策略研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究的背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 车道偏离预警系统研究现状 | 第8-10页 |
| 1.2.2 车道线识别技术研究现状 | 第10-11页 |
| 1.2.3 车道偏离预警策略研究现状 | 第11页 |
| 1.2.4 研究现状总结 | 第11-12页 |
| 1.3 本文的主要研究内容及文章结构 | 第12-15页 |
| 1.3.1 论文的主要研究内容 | 第12-13页 |
| 1.3.2 论文的结构 | 第13-15页 |
| 2 图像预处理与分割 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 确定感兴趣区域 | 第15-17页 |
| 2.3 图像灰度化 | 第17-18页 |
| 2.4 图像滤波处理 | 第18-22页 |
| 2.4.1 均值滤波 | 第19页 |
| 2.4.2 中值滤波 | 第19-20页 |
| 2.4.3 两种滤波处理对比 | 第20-22页 |
| 2.5 车道线图像阈值分割 | 第22-26页 |
| 2.5.1 固定全局阈值法 | 第22-23页 |
| 2.5.2 迭代法 | 第23-24页 |
| 2.5.3 最大类间方差法 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 车道线检测与跟踪 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 车道线检测 | 第28-33页 |
| 3.2.1 Hough变换原理 | 第28-31页 |
| 3.2.2 改进Hough变换检测车道线 | 第31-33页 |
| 3.3 车道线跟踪 | 第33-38页 |
| 3.3.1 Kalman滤波器原理 | 第33-35页 |
| 3.3.2 车道线追踪的Kalman预测模型 | 第35-36页 |
| 3.3.3 车道线跟踪模型初始值设定 | 第36-37页 |
| 3.3.4 车道线追踪的实现 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 车道偏离预警策略 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 经典的车道偏离预警模型 | 第39-43页 |
| 4.2.1 CCP模型 | 第39-41页 |
| 4.2.2 TLC模型 | 第41-42页 |
| 4.2.3 FOD模型 | 第42-43页 |
| 4.3 车道偏离预警模型的建立 | 第43-52页 |
| 4.3.1 参数选用的合理性 | 第44-47页 |
| 4.3.2 车道偏离预警策略的参数求取 | 第47-49页 |
| 4.3.3 车道偏离预警策略的制定 | 第49-50页 |
| 4.3.4 车道偏离预警模型搭建 | 第50-52页 |
| 4.4 结果与分析 | 第52-55页 |
| 4.5 小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-64页 |
