| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-14页 |
| 第二章 道路图象理解算法 | 第14-46页 |
| 1 概述 | 第14-18页 |
| 2 预备知识 | 第18-21页 |
| 2．1 概率推理 | 第18-19页 |
| 2．2 证据理论 | 第19-20页 |
| 2．3 模糊推理 | 第20-21页 |
| 2．4 总结 | 第21页 |
| 3 算法结构 | 第21-36页 |
| 3．1 图像特征选择 | 第22-23页 |
| 3．2 直方图分割 | 第23-25页 |
| 3．3 道路检测、阴影检测和水迹检测 | 第25-29页 |
| 3．4 道路区融合 | 第29-30页 |
| 3．5 边缘检测 | 第30页 |
| 3．6 道路/非路边缘检测和道路边缘组织 | 第30-32页 |
| 3．7 障碍物边缘组织 | 第32-34页 |
| 3．8 白线检测和组织 | 第34-36页 |
| 3．9 总结 | 第36页 |
| 4 实验结果 | 第36-40页 |
| 5 算法的实时实现 | 第40-44页 |
| 5．1 MMX技术 | 第40-42页 |
| 5．2 基于双DSP的通用图象处理板 | 第42-43页 |
| 5．3 硬件系统和算法任务划分 | 第43-44页 |
| 6 总结 | 第44-46页 |
| 第三章 障碍物检测 | 第46-83页 |
| 1 概述 | 第46-48页 |
| 2 预备知识 | 第48-57页 |
| 2．1 摄象机模型 | 第48-49页 |
| 2．2 重投影原理 | 第49页 |
| 2．3 平面投影模型 | 第49-50页 |
| 2．4 极线约束（Epipolar line） | 第50-52页 |
| 2．5 基于点的三维恢复 | 第52页 |
| 2．6 摄象机的标定 | 第52-57页 |
| 3 三目障碍物检测算法 | 第57-71页 |
| 3．1 系统硬件结构 | 第58页 |
| 3．2 算法概述 | 第58-59页 |
| 3．3 特征检测 | 第59-62页 |
| 3．4 基于光照和成像模型的匹配学习 | 第62-64页 |
| 3．5 匹配和三维恢复 | 第64-69页 |
| 3．6 障碍物边缘检测 | 第69页 |
| 3．7 障碍物区域确定 | 第69-71页 |
| 3．8 定标模块 | 第71页 |
| 4 算法实现 | 第71-80页 |
| 4．1 Intel Streaming SIMD扩展指令集（SSE） | 第71-72页 |
| 4．2 SSE使用的寄存器 | 第72-73页 |
| 4．3 SSE的数据格式 | 第73页 |
| 4．4 SSE的指令简介 | 第73-76页 |
| 4．5 SSE编程 | 第76-77页 |
| 4．6 三维投影计算——一个实例 | 第77-79页 |
| 4．7 算法优化 | 第79-80页 |
| 5 实验结果 | 第80-82页 |
| 6 总结 | 第82-83页 |
| 第四章 局部地图获取 | 第83-95页 |
| 1 概述 | 第83页 |
| 2 抽象传感器 | 第83-84页 |
| 3 局部地图的表示方法 | 第84-85页 |
| 4 基于视觉传感器的局部地图生成 | 第85-90页 |
| 4．1 从图象到地面——虚拟摄象机 | 第86页 |
| 4．2 道路/非路地图 | 第86-89页 |
| 4．3 障碍物地图 | 第89-90页 |
| 5 局部路径规划——一个简单的示例89 | 第90-91页 |
| 6 实验结果 | 第91-94页 |
| 7 结论 | 第94-95页 |
| 总结与展望 | 第95-97页 |
| 参考文献 | 第97-104页 |
| 感谢 | 第104页 |