| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 道路前方车辆识别系统构成与研究现状 | 第16-18页 |
| 1.3.1 道路前方车辆识别系统构成 | 第16-17页 |
| 1.3.2 道路前方车辆识别研究方法 | 第17-18页 |
| 1.4 本文主要研究内容章节安排 | 第18-21页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文章节安排 | 第19-21页 |
| 第2章 道路前方车辆识别系统 | 第21-29页 |
| 2.1 TMS320DM642 简介 | 第21-23页 |
| 2.1.1 DM642 内核 | 第21页 |
| 2.1.2 DM642 片内外设 | 第21-23页 |
| 2.2 道路前方车辆识别系统的硬件平台 | 第23-24页 |
| 2.2.1 实验平台介绍 | 第23页 |
| 2.2.2 基于 DM642 的道路前方车辆识别系统硬件设计 | 第23-24页 |
| 2.3 道路前方车辆识别的软件开发环境 | 第24-28页 |
| 2.3.1 软件开发环境 CCS | 第24页 |
| 2.3.2 实时操作系统 DSP/BIOS | 第24-27页 |
| 2.3.3 图像采集的实现 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 道路前方车辆图像的感兴趣区提取 | 第29-39页 |
| 3.1 道路前方车辆图像的采集设备 | 第29页 |
| 3.2 道路前方车辆图像的预处理 | 第29-33页 |
| 3.2.1 道路前方车辆图像的灰度化 | 第30页 |
| 3.2.2 道路前方车辆图像的边缘提取 | 第30-33页 |
| 3.3 道路前方车辆图像的车道线检测 | 第33-37页 |
| 3.3.1 传统 Hough 变换检测直线 | 第33-35页 |
| 3.3.2 改进的 Hough 变换检测车道线 | 第35-37页 |
| 3.4 道路前方车辆感兴趣区域提取 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 道路前方车辆识别算法的实现 | 第39-53页 |
| 4.1 车辆候选区标注 | 第39-41页 |
| 4.1.1 道路前方车辆感兴趣区的预处理 | 第39-40页 |
| 4.1.2 车辆候选区域的确定 | 第40-41页 |
| 4.2 基于 HOG_SVM 的车辆识别系统设计 | 第41-49页 |
| 4.2.1 HOG 特征提取 | 第42-44页 |
| 4.2.2 SVM 分类器设计 | 第44-49页 |
| 4.3 车辆识别实验结果与比较 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 道路前方车辆识别系统的实现与优化 | 第53-63页 |
| 5.1 道路前方车辆识别系统的实现 | 第53-56页 |
| 5.1.1 软件流程 | 第53-54页 |
| 5.1.2 DSP/BIOS 的配置 | 第54-55页 |
| 5.1.3 编译器选项的选择 | 第55-56页 |
| 5.2 道路前方车辆识别系统的优化 | 第56-58页 |
| 5.2.1 代码的优化 | 第56-57页 |
| 5.2.2 Ping-pong 缓存技术的使用 | 第57-58页 |
| 5.3 实验结果 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63页 |
| 6.2 存在的不足和展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者简介及科研成果 | 第68-69页 |
| 致谢 | 第69页 |