| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 智能车辆驾驶辅助系统发展状况 | 第10-12页 |
| 1.2.1 国内发展状况 | 第11页 |
| 1.2.2 国外的发展状况 | 第11-12页 |
| 1.3 车道线检测研究现状 | 第12-14页 |
| 1.3.1 基于特征提取的车道线检测方法 | 第12-13页 |
| 1.3.2 基于颜色分割的车道线检测方法 | 第13页 |
| 1.3.3 基于道路模型的车道线检测方法 | 第13-14页 |
| 1.4 车道线检测系统 | 第14-15页 |
| 1.5 论文研究内容和结构安排 | 第15-16页 |
| 第二章 图像预处理 | 第16-25页 |
| 2.1 彩色图像灰度化 | 第17-18页 |
| 2.2 图像增强处理技术研究 | 第18-21页 |
| 2.2.1 直方图均衡化 | 第18-19页 |
| 2.2.2 去相关拉伸算法 | 第19-20页 |
| 2.2.3 平滑处理 | 第20-21页 |
| 2.3 逆透视映射算法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 车道线特征提取与车道线检测 | 第25-45页 |
| 3.1 车道线特征提取方法 | 第25-33页 |
| 3.1.1 Canny算子边缘检测算法 | 第25-28页 |
| 3.1.2 方向可调滤波器算法 | 第28-30页 |
| 3.1.3 边缘分布函数 | 第30-32页 |
| 3.1.4 本文的车道线特征提取方法 | 第32-33页 |
| 3.2 阈值化处理方法研究 | 第33-34页 |
| 3.3 车道线检测算法研究 | 第34-39页 |
| 3.3.1 霍夫变换 | 第34-35页 |
| 3.3.2 随机抽样一致算法(RANSAC) | 第35-37页 |
| 3.3.3 三次样条曲线的评分标准 | 第37-38页 |
| 3.3.4 基于B-snake车道线模型的CHEVP算法 | 第38页 |
| 3.3.5 论文的车道线检测方法 | 第38-39页 |
| 3.4 基于霍夫变换和随机抽样一致算法的车道线检测方法 | 第39-43页 |
| 3.4.1 霍夫变换粗检测获取车道线的大致位置 | 第39-40页 |
| 3.4.2 随机抽样一致算法对车道线精确定位 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 车道线跟踪 | 第45-53页 |
| 4.1 卡尔曼滤波器基本原理和基本模型 | 第45-48页 |
| 4.2 粒子滤波器跟踪算法 | 第48-49页 |
| 4.2.1 粒子滤波算法描述 | 第49页 |
| 4.3 基于卡尔曼滤波器的车道线跟踪算法 | 第49-52页 |
| 4.3.1 初始化卡尔曼滤波器 | 第49-51页 |
| 4.3.2 采用卡尔曼滤波器实现车道线的预测与跟踪 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验结果及分析 | 第53-61页 |
| 5.1 实验环境开发平台 | 第53-55页 |
| 5.2 具体步骤 | 第55页 |
| 5.3 实验结果及分析 | 第55-60页 |
| 5.3.1 车道线正确率判别方法 | 第55-57页 |
| 5.3.2 车道线检测效果 | 第57-58页 |
| 5.3.3 车道线检测算法对比试验 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文的主要工作 | 第61页 |
| 6.2 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间申请的专利 | 第66-67页 |
| 致谢 | 第67页 |
