| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 研究内容与研究方法 | 第15-17页 |
| 第2章 道路图像采集与预处理 | 第17-27页 |
| 2.1 相机成像模型构建 | 第17-21页 |
| 2.2 道路图像感兴趣区域提取 | 第21-22页 |
| 2.3 道路图像颜色空间转换 | 第22-25页 |
| 2.4 复杂环境道路场景分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 复杂环境下的车道线目标提取方法研究 | 第27-44页 |
| 3.1 复杂环境下阈值分割算法分析 | 第27-29页 |
| 3.2 基于 HOG 特征与 SVM 的分窗口车道线目标提取 | 第29-39页 |
| 3.2.1 方向梯度直方图特征 | 第31-33页 |
| 3.2.2 支持向量机模型 | 第33-37页 |
| 3.2.3 分窗口阈值分割算法 | 第37-39页 |
| 3.3 基于多次阈值分割算法的车道线目标提取 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于车道宽度匹配算法的自适应车道线检测 | 第44-64页 |
| 4.1 候选车道线特征点提取 | 第44-47页 |
| 4.1.1 基于边缘检测的车道线特征提取 | 第44-45页 |
| 4.1.2 基于行扫描的车道线特征提取 | 第45-47页 |
| 4.2 候选车道线特征点过滤 | 第47-52页 |
| 4.2.1 基于逆透视变换的噪点过滤 | 第48-49页 |
| 4.2.2 基于坐标变换的噪点过滤 | 第49-52页 |
| 4.3 基于最小二乘法的自适应车道线拟合算法 | 第52-57页 |
| 4.3.1 最小二乘曲线拟合 | 第52-54页 |
| 4.3.2 自适应车道线拟合 | 第54-57页 |
| 4.4 基于车道宽度匹配算法的车道线检测 | 第57-63页 |
| 4.4.1 车道宽度分析 | 第57-58页 |
| 4.4.2 宽度匹配算法 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 车道线跟踪及实验结果分析 | 第64-73页 |
| 5.1 车道线跟踪 | 第64-69页 |
| 5.1.1 基于卡尔曼滤波算法的车道线跟踪 | 第64-67页 |
| 5.1.2 基于动态ROI的感兴趣区域跟踪 | 第67-69页 |
| 5.2 复杂环境下车道线目标提取实验及分析 | 第69-70页 |
| 5.3 复杂环境下车道线检测算法测试 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 结论 | 第73-75页 |
| 6.1 研究总结 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间获得与论文相关的科研成果 | 第80页 |