智能车辆中的道路检测与识别
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·课题意义 | 第8-9页 |
| ·智能车辆技术的现状及发展趋势 | 第9-11页 |
| ·基于机器视觉的智能车辆技术 | 第11-13页 |
| ·课题的提出 | 第13-14页 |
| ·论文内容安排 | 第14页 |
| ·本章小结 | 第14-16页 |
| 2 道路图像的预处理 | 第16-26页 |
| ·道路图像的滤波 | 第16-19页 |
| ·局部平均法 | 第16-17页 |
| ·中值滤波 | 第17页 |
| ·数学形态学滤波 | 第17-18页 |
| ·保持边缘滤波 | 第18-19页 |
| ·图像边缘提取 | 第19-20页 |
| ·基于视频处理的阈值分割算法 | 第20-25页 |
| ·传统的最优阈值分割法与逐行最优阈值分割法 | 第20-22页 |
| ·逐行最优阈值分割的改进算法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3 整体路面识别技 | 第26-30页 |
| ·基于区域生长的道路路面检测 | 第26-29页 |
| ·种子点的选取 | 第27页 |
| ·生长准则的确定 | 第27-29页 |
| ·道路边缘线的提取与平滑 | 第29页 |
| ·本章小结 | 第29-30页 |
| 4 基于特征搜索的道路检测与识别 | 第30-45页 |
| ·基于边界跟踪的道路检测算法 | 第30-37页 |
| ·边界跟踪中的链码原理 | 第30-31页 |
| ·分道线的边界检测 | 第31-37页 |
| ·算法实验及结果分析 | 第37页 |
| ·基于统计测试的道路识别 | 第37-43页 |
| ·线段生成 | 第37-38页 |
| ·统计模型的确定 | 第38-40页 |
| ·利用Hough 变换提取道路边缘和弯曲方向 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 5 基于分道线模型的道路检测与识别 | 第45-57页 |
| ·道路成像模型 | 第45-50页 |
| ·摄像机成像简化模型 | 第45-46页 |
| ·模型的改进 | 第46-49页 |
| ·结果与分析 | 第49-50页 |
| ·基于样条函数的分道线检测 | 第50-55页 |
| ·中值截距对分道线初始定位 | 第50-52页 |
| ·样条函数对分道线的提取 | 第52-55页 |
| ·结果与分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 6 结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附：作者在攻读博士学位期间发表的论文目录 | 第63-64页 |
| 独创性声明 | 第64页 |
| 学位论文版权使用授权书 | 第64页 |
