基于机器视觉的道路检测跟踪系统研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 综述 | 第11-18页 |
| ·课题背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·基于机器视觉的道路检测及研究意义 | 第14-16页 |
| ·本文所做的工作 | 第16-17页 |
| ·文章结构 | 第17-18页 |
| 2 机器视觉检测系统 | 第18-24页 |
| ·引言 | 第18页 |
| ·机器视觉及其发展 | 第18-21页 |
| ·机器视觉发展动力 | 第19页 |
| ·机器视觉发展历程与应用趋势 | 第19-20页 |
| ·机器视觉技术环节 | 第20-21页 |
| ·基于机器视觉的道路检测跟踪系统 | 第21-23页 |
| ·基于机器视觉的道路检测方法 | 第21-22页 |
| ·系统成像几何模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 道路图像滤波和增强 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·图像增强方法 | 第25-35页 |
| ·点处理 | 第26-29页 |
| ·空间域滤波 | 第29-34页 |
| ·频域滤波 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 道路图像边缘检测 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·微分运算及梯度锐化 | 第37-38页 |
| ·经典边缘检测算子及效果比较 | 第38-42页 |
| ·Roberts边缘检测算子 | 第39页 |
| ·Sobel边缘检测算子 | 第39-40页 |
| ·Prewitt边缘检测算子 | 第40页 |
| ·Kirsch边缘检测 | 第40页 |
| ·高斯-拉普拉斯算子 | 第40-42页 |
| ·经典边缘提取算子提取图像边缘的结果对比分析 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 5 道路图像检测和跟踪算法研究 | 第48-67页 |
| ·引言 | 第48页 |
| ·道路检测算法的假设和算法仿真平台 | 第48-50页 |
| ·算法基本假设 | 第48-49页 |
| ·道路检测软、硬件仿真平台 | 第49-50页 |
| ·基于道路标识线的道路图像的识别 | 第50-61页 |
| ·道路图像预处理 | 第51-52页 |
| ·道路图像的边缘检测和分割 | 第52页 |
| ·道路图像的数学形态学修正 | 第52-55页 |
| ·Hough变换 | 第55-57页 |
| ·车辆位置与角度偏差测量 | 第57-58页 |
| ·利用卡尔曼滤波器进行跟踪 | 第58-61页 |
| ·不足及改进 | 第61-62页 |
| ·本章小结 | 第62页 |
| ·实验结果 | 第62-67页 |
| 6 总结和展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
