基于单目视觉的车道保持预警系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究依据与背景 | 第10-11页 |
| ·研究目的 | 第11-12页 |
| ·辅助驾驶系统研究现状 | 第12-14页 |
| ·碰撞预警和驾驶员警示系统 | 第12页 |
| ·车辆辅助驾驶系统 | 第12-13页 |
| ·车载图像处理技术现状 | 第13页 |
| ·国内外研究进展 | 第13-14页 |
| ·车辆预警系统的研究现状 | 第14页 |
| ·研究内容与论文结构 | 第14-16页 |
| 第2章 预警系统整体设计 | 第16-28页 |
| ·图像获取 | 第18-20页 |
| ·图像传感器 | 第18-19页 |
| ·摄像机定标 | 第19-20页 |
| ·图像预处理 | 第20-24页 |
| ·传统的图像预处理方法 | 第20-21页 |
| ·图像并行处理 | 第21页 |
| ·新型图像预处理 | 第21页 |
| ·细胞神经网络的模型 | 第21-24页 |
| ·基于CNN的图像处理 | 第24页 |
| ·道路图像识别 | 第24-25页 |
| ·预警控制系统 | 第25-27页 |
| ·模糊控制简介 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 摄像机定标技术 | 第28-35页 |
| ·摄像机透视投影模型 | 第28-30页 |
| ·车载摄像机成像模型 | 第30-31页 |
| ·OpenCV摄像机标定 | 第31-33页 |
| ·摄像机标定工具 | 第31页 |
| ·基于OpenCV的摄像机内部参数定标方法 | 第31-33页 |
| ·测距试验 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于细胞神经网络的图像处理 | 第35-53页 |
| ·传统图像预处理 | 第35-39页 |
| ·灰度处理和地平线分割 | 第36-37页 |
| ·线性增强 | 第37-38页 |
| ·阈值分割 | 第38页 |
| ·边缘检测 | 第38-39页 |
| ·中值滤波 | 第39页 |
| ·细胞神经网络的开发工具 | 第39-43页 |
| ·细胞神经网络的硬件开发工具 | 第39-40页 |
| ·软件仿真开发工具 | 第40-43页 |
| ·道路识别预处理CNN模板设计 | 第43-48页 |
| ·线性增强模板 | 第43-44页 |
| ·阈值变换模板 | 第44-45页 |
| ·小块去除模板 | 第45-46页 |
| ·中值滤波模板 | 第46-47页 |
| ·边缘检测模板 | 第47-48页 |
| ·CNN图像处理的CSD代码 | 第48-49页 |
| ·CSD代码框架 | 第48页 |
| ·常用指令说明 | 第48-49页 |
| ·实验结果 | 第49-52页 |
| ·预处理结果 | 第49-51页 |
| ·预处理时间分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于随机霍夫变换的道路识别 | 第53-67页 |
| ·连通区域搜索 | 第54-56页 |
| ·标准霍夫直线检测 | 第56-57页 |
| ·随机霍夫直线检测 | 第57-64页 |
| ·直线检测程序 | 第58-60页 |
| ·改进的随机霍夫变换 | 第60-62页 |
| ·检测算法分析 | 第62-64页 |
| ·直线跟踪算法及校验 | 第64-66页 |
| ·直线道路跟踪 | 第64-65页 |
| ·道路边界可信度分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 模糊控制的预警策略 | 第67-78页 |
| ·驾驶员-汽车-环境系统 | 第67-68页 |
| ·非常规驾驶行为 | 第67-68页 |
| ·驾驶员-车-环境系统 | 第68页 |
| ·提取预警控制输入量 | 第68-73页 |
| ·输入量特性 | 第68-69页 |
| ·输入量提取 | 第69-70页 |
| ·道路参数提取试验 | 第70-73页 |
| ·模糊预警器设计 | 第73-77页 |
| ·模糊预警控制器 | 第73-74页 |
| ·控制器参数设计 | 第74页 |
| ·模糊控制决策制定 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第7章 结论与展望 | 第78-81页 |
| ·研究结论 | 第78-79页 |
| ·研究展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间发表的论文 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附录 | 第88-92页 |
