基于达芬奇平台的车道线识别系统设计
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题研究的背景和意义 | 第13-14页 |
| 1.2 智能车辆视觉技术的研究现状 | 第14-16页 |
| 1.2.1 国内外智能车研究现状 | 第14页 |
| 1.2.2 车道线识别研究现状 | 第14-16页 |
| 1.3 本文主要内容 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 相关技术介绍 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 ROI区域选择 | 第18-19页 |
| 2.3 图像颜色空间 | 第19-22页 |
| 2.3.1 RGB空间 | 第19-21页 |
| 2.3.2 YUV颜色空间 | 第21-22页 |
| 2.4 图像增强 | 第22-23页 |
| 2.5 图像滤波 | 第23-24页 |
| 2.6 边缘检测算法 | 第24-25页 |
| 2.6.1 Canny检测算法 | 第24页 |
| 2.6.2 Sobel检测算法 | 第24-25页 |
| 2.7 DSP系统 | 第25-30页 |
| 2.7.1 DSP芯片 | 第25页 |
| 2.7.2 DSP/BIOS介绍 | 第25-26页 |
| 2.7.3 DSP软件开发环境 | 第26-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 车道线检测与跟踪算法设计与实现 | 第31-36页 |
| 3.1 引言 | 第31页 |
| 3.2 道路模型的构建方法 | 第31-32页 |
| 3.2.1 基于灰度特征的方法 | 第31-32页 |
| 3.2.2 基于直线的道路模型匹配方法 | 第32页 |
| 3.3 道路图像特征直线提取 | 第32-34页 |
| 3.4 车道线的跟踪算法设计 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 图像处理库EMCV在达芬奇平台上的移植 | 第36-42页 |
| 4.1 EMCV简介 | 第36页 |
| 4.2 EMCV移植的可行性分析 | 第36-37页 |
| 4.3 移植的具体工作 | 第37-41页 |
| 4.3.1 关键函数的移植 | 第37-39页 |
| 4.3.2 移植的主要结果统计 | 第39-40页 |
| 4.3.3 移植的API功能测试 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于达芬奇平台的车道线识别系统实现及应用 | 第42-60页 |
| 5.1 引言 | 第42页 |
| 5.2 达芬奇平台介绍 | 第42-43页 |
| 5.3 车道线识别系统介绍 | 第43-44页 |
| 5.4 多目摄像机的车道线融合算法设计 | 第44-50页 |
| 5.4.1 车道线合理性判断 | 第45-47页 |
| 5.4.2 多车道线融合算法设计 | 第47-49页 |
| 5.4.3 多车道线融合算法实现 | 第49-50页 |
| 5.5 基于达芬奇平台的车道线识别算法优化 | 第50-52页 |
| 5.6 车道线识别效果 | 第52-59页 |
| 5.6.1 单车道识别流程(双车道线) | 第53-57页 |
| 5.6.2 车道线识别效果 | 第57-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 进一步工作的方向 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64页 |
