基于机器视觉的智能车控制系统研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-15页 |
1.1 课题研究背景与意义 | 第10-11页 |
1.2 国内外研究现状和发展趋势 | 第11-13页 |
1.2.1 智能车辆的国内研究情况 | 第11-12页 |
1.2.2 智能车辆的国外研究情况 | 第12-13页 |
1.3 本文研究的主要内容和篇章安排 | 第13-15页 |
第二章 智能驾驶控制系统架构与总体设计 | 第15-29页 |
2.1 智能驾驶系统架构设计 | 第15-19页 |
2.1.1 智能驾驶系统框架 | 第15-16页 |
2.1.2 视觉感知子系统 | 第16页 |
2.1.3 运动控制子系统 | 第16-18页 |
2.1.4 规划与决策子系统 | 第18-19页 |
2.2 智能车辆硬件系统设计 | 第19-24页 |
2.2.1 建立硬件系统框架 | 第19-20页 |
2.2.2 功能模块设计与搭建 | 第20-24页 |
2.3 智能车辆软件系统设计 | 第24-27页 |
2.3.1 软件系统资源分配 | 第24-25页 |
2.3.2 软件系统流程设计 | 第25-27页 |
2.4 系统难点及关键技术 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第三章 机器视觉图像预处理 | 第29-41页 |
3.1 道路图像滤波 | 第29-32页 |
3.1.1 滤波算法原理 | 第29-31页 |
3.1.2 滤波效果分析与改进 | 第31-32页 |
3.2 图像阈值分割与边缘跟踪检测 | 第32-38页 |
3.2.1 自适应阈值分割 | 第32-34页 |
3.2.2 梯度算子与边缘检测 | 第34-37页 |
3.2.3 边界跟踪与提取 | 第37-38页 |
3.3 Hough变换车道检测与跟踪 | 第38-40页 |
3.3.1 Hough变换基本原理 | 第38-39页 |
3.3.2 Hough路线检测与连接 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第四章 道路特征识别与横向控制算法 | 第41-51页 |
4.1 引言 | 第41页 |
4.2 路面视觉线形信息提取 | 第41-44页 |
4.2.1 道路中心线拟合 | 第41-43页 |
4.2.2 中心线曲率计算 | 第43-44页 |
4.3 道路元素特征描述与提取 | 第44-45页 |
4.3.1 二次特征提取 | 第44-45页 |
4.3.2 道路元素特征 | 第45页 |
4.4 道路元素分类与横向控制 | 第45-50页 |
4.4.1 人工神经网络原理 | 第45-47页 |
4.4.2 道路元素识别分类 | 第47-48页 |
4.4.3 路径规划与横向控制 | 第48-50页 |
4.5 本章小结 | 第50-51页 |
第五章 纵向智能控制算法与系统策略 | 第51-66页 |
5.1 引言 | 第51页 |
5.2 智能车辆控制算法研究 | 第51-54页 |
5.2.1 数字PID控制算法 | 第51-52页 |
5.2.2 Fuzzy控制算法 | 第52-53页 |
5.2.3 Fuzzy-PID控制算法 | 第53-54页 |
5.3 构建纵向运动Fuzzy-PID控制系统 | 第54-63页 |
5.3.1 车辆纵向控制策略分析 | 第54页 |
5.3.2 Fuzzy-PID输入输出变量模糊化 | 第54-56页 |
5.3.3 PID整定规则分析及模糊控制表建立 | 第56-59页 |
5.3.4 Fuzzy-PID算法合成及调整决策 | 第59-61页 |
5.3.5 Fuzzy-PID计算机仿真和调试 | 第61-63页 |
5.4 智能驾驶系统的控制策略 | 第63-65页 |
5.4.1 智能车辆控制策略分析 | 第63页 |
5.4.2 智能车辆控制决策 | 第63-65页 |
5.5 本章小结 | 第65-66页 |
第六章 智能车辆实验设计与实现 | 第66-78页 |
6.1 多元素道路环境搭建 | 第66-68页 |
6.2 视觉图像处理过程 | 第68-70页 |
6.3 车辆方向与速度参数测试 | 第70-73页 |
6.4 多元素道路跟踪控制过程 | 第73-76页 |
6.5 实验实现小结 | 第76-78页 |
结论与展望 | 第78-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间取得的研究成果 | 第83-84页 |
致谢 | 第84-85页 |
附录 | 第85页 |