| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 基于机器视觉的道路导航技术 | 第10-13页 |
| 1.2.1 机器视觉在农业领域的应用 | 第10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.2.3 国内研究现状 | 第11-13页 |
| 1.3 非结构化道路边缘线拟合与障碍物检测 | 第13-15页 |
| 1.4 本文主要研究内容以及技术路线 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 研究技术路线 | 第16-17页 |
| 2 非结构化道路图像的预处理算法 | 第17-28页 |
| 2.1 颜色空间变换 | 第17-21页 |
| 2.1.1 RGB颜色空间模型 | 第17-18页 |
| 2.1.2 HSV颜色空间模型 | 第18-19页 |
| 2.1.3 RGB空间转换到HSV空间的变换 | 第19-21页 |
| 2.2 道路图像滤波处理 | 第21-23页 |
| 2.2.1 中值滤波 | 第21-22页 |
| 2.2.2 均值滤波 | 第22页 |
| 2.2.3 边缘保持滤波器 | 第22-23页 |
| 2.2.4 高斯滤波 | 第23页 |
| 2.3 道路图像阈值分割 | 第23-26页 |
| 2.3.1 手动阈值分割法 | 第23-25页 |
| 2.3.2 最大类间方差阈值法 | 第25-26页 |
| 2.4 区域生长算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 非结构化道路的边缘点提取 | 第28-36页 |
| 3.1 边缘检测算法分析 | 第28-32页 |
| 3.1.1 Sobel算法 | 第28-29页 |
| 3.1.2 Prewitt算法 | 第29页 |
| 3.1.3 Canny算法 | 第29页 |
| 3.1.4 梯度幅值算法 | 第29-30页 |
| 3.1.5 非结构化道路图像的边缘检测 | 第30-32页 |
| 3.2 形态学图像处理对道路图像优化 | 第32-33页 |
| 3.3 基于路面与背景区域灰度值差异的道路边缘点提取 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于最小二乘法的道路边缘线的拟合 | 第36-47页 |
| 4.1 基于Hough检测的道路边缘点优化 | 第36-39页 |
| 4.1.1 Hough直线检测技术 | 第36-37页 |
| 4.1.2 基于Hough检测道路边缘点优化算法 | 第37-39页 |
| 4.2 道路边缘点的拟合方程及约束条件 | 第39-43页 |
| 4.2.1 RANSAC估计模型 | 第39-40页 |
| 4.2.2 非结构化道路拟合曲线方程 | 第40-41页 |
| 4.2.3 非结构化道路拟合曲线的约束条件 | 第41-43页 |
| 4.3 基于最小二乘法的道路边缘点左右边缘线拟合 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 非结构化道路障碍物检测 | 第47-64页 |
| 5.1 非结构化道路障碍物检测方法 | 第47-49页 |
| 5.2 ROI内障碍物检测 | 第49-53页 |
| 5.2.1 感兴趣区域 | 第49-50页 |
| 5.2.2 ROI内区域生长技术 | 第50-51页 |
| 5.2.3 ROI内障碍物提取 | 第51-53页 |
| 5.3 基于光流法的运动障碍物检测 | 第53-63页 |
| 5.3.1 光流法相关概念 | 第53-55页 |
| 5.3.2 光流约束方程 | 第55-57页 |
| 5.3.3 运动背景光流矢量估计模型 | 第57-60页 |
| 5.3.4 运动障碍物估计模型 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 本文总结 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 本文展望与未来工作 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间的科研工作 | 第71-72页 |
| 附录A 基于最小二乘法的道路边缘线的拟合部分关键代码 | 第72-75页 |
| 附录B ROI区域内障碍物检测部分关键代码 | 第75-77页 |
| 附录C 基于Optical Flow的运动障碍物检测部分关键代码 | 第77-78页 |
