| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外道路检测研究现状 | 第12-14页 |
| 1.2.1 车道线检测的现状 | 第12-13页 |
| 1.2.2 路面检测的现状 | 第13-14页 |
| 1.3 论文主要研究内容以及章节安排 | 第14-16页 |
| 1.3.1 本文主要研究内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-16页 |
| 第2章 车载道路图像提取相关背景介绍 | 第16-29页 |
| 2.1 视频图像采集 | 第16-19页 |
| 2.1.1 CCD图像传感器 | 第16-17页 |
| 2.1.2 视频数字信号处理 | 第17-19页 |
| 2.2 图像色彩空间转换 | 第19-22页 |
| 2.2.1 YUV422格式与YUV444格式的转换 | 第19-21页 |
| 2.2.2 YUV444格式与RGB格式的转换 | 第21页 |
| 2.2.3 RGB格式与CIE L~*a~*b~*格式的转换 | 第21-22页 |
| 2.3 道路图像预处理 | 第22-28页 |
| 2.3.1 图像灰度化 | 第22-23页 |
| 2.3.2 道路图像滤波 | 第23-26页 |
| 2.3.3 道路图像增强 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于梯度方向与幅值的车道线检测算法 | 第29-44页 |
| 3.1 车道线特征提取 | 第29-34页 |
| 3.1.1 颜色特征提取 | 第29-30页 |
| 3.1.2 边缘特征提取 | 第30-32页 |
| 3.1.3 基于梯度幅值与方向的提取 | 第32-34页 |
| 3.2 ROI区域提取 | 第34-38页 |
| 3.2.1 区域固定的ROI分割方法 | 第35-36页 |
| 3.2.2 自适应ROI分割方法 | 第36-37页 |
| 3.2.3 基于边缘统计特性的自适应ROI分割方法 | 第37页 |
| 3.2.4 ROI分割方法结果对比 | 第37-38页 |
| 3.3 车道线检测 | 第38-41页 |
| 3.3.1 Hough变换 | 第39-40页 |
| 3.3.2 改进的Hough变换检测直线 | 第40-41页 |
| 3.4 算法的基本流程 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 车道线检测算法的硬件实现与实验评估 | 第44-51页 |
| 4.1 算法的硬件实现 | 第44-47页 |
| 4.1.1 实时车道检测系统硬件架构 | 第44-45页 |
| 4.1.2 车道线检测系统软件架构 | 第45-46页 |
| 4.1.3 数据流解码 | 第46页 |
| 4.1.4 边缘特征求值模块的FPGA实现 | 第46-47页 |
| 4.2 算法的评估 | 第47-50页 |
| 4.2.1 实验数据与评价标准 | 第47-48页 |
| 4.2.2 算法的评估结果 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 基于光照不变性与光流法的路面检测算法 | 第51-62页 |
| 5.1 光照不变特征模型 | 第51-53页 |
| 5.2 基于光流法的图像运动提取 | 第53-55页 |
| 5.3 基于光照不变性与光流法的路面检测算法 | 第55-58页 |
| 5.3.1 算法初始化阶段 | 第55-56页 |
| 5.3.2 基于相似性的分类算法 | 第56-58页 |
| 5.3.3 基于连通区域的后续处理 | 第58页 |
| 5.4 算法的评估 | 第58-61页 |
| 5.4.1 路面检测算法的评价指标 | 第59页 |
| 5.4.2 算法的评估结果 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69页 |
