道路场景理解技术的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景介绍 | 第11-12页 |
| 1.2 课题研究意义 | 第12页 |
| 1.3 本文主要内容和安排 | 第12-15页 |
| 第2章 场景理解方法综述 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 图像分割方法综述 | 第15-19页 |
| 2.2.1 阈值分割法 | 第16页 |
| 2.2.2 边缘检测法 | 第16-18页 |
| 2.2.3 聚类分析法 | 第18-19页 |
| 2.3 道路检测方法综述 | 第19-22页 |
| 2.3.1 基于特征的道路检测方法 | 第20-21页 |
| 2.3.2 基于模型的道路检测方法 | 第21-22页 |
| 2.4 深度估计算法综述 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于高斯混合模型的区域提取 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 高斯混合聚类方法 | 第24-30页 |
| 3.2.1 高斯混合模型 | 第25-27页 |
| 3.2.2 EM算法初始参数的确定 | 第27-28页 |
| 3.2.3 聚类中心的确定 | 第28-30页 |
| 3.3 道路区域和天空区域的提取 | 第30-33页 |
| 3.3.1 形态学处理和边缘检测 | 第30-32页 |
| 3.3.2 基于边缘约束的区域提取 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-37页 |
| 3.4.1 实验平台与数据选取 | 第33-34页 |
| 3.4.2 聚类中心的获取和聚类效果对比 | 第34-36页 |
| 3.4.3 区域提取效果 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 道路场景理解 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 消失点检测方法 | 第38-42页 |
| 4.2.1 纹理特征的提取 | 第38-39页 |
| 4.2.2 基于纹理特征的消失点检测 | 第39-41页 |
| 4.2.3 改进的消失点检测方法 | 第41-42页 |
| 4.3 基于消失点的道路边界曲线拟合算法 | 第42-48页 |
| 4.3.1 曲线模型的选取 | 第43-44页 |
| 4.3.2 基于Hough变换的直线检测 | 第44-46页 |
| 4.3.3 道路边界拟合 | 第46-48页 |
| 4.4 道路场景深度估计 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-53页 |
| 4.5.1 消失点检测方法结果分析 | 第49-51页 |
| 4.5.2 道路边界识别和深度估计结果 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 作者简介 | 第61-62页 |
| 致谢 | 第62页 |
