基于多目视觉的车道偏移检测
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外智能车辆研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 车道线检测关键技术 | 第15-19页 |
| 1.3.1 基于道路特征的车道线检测 | 第15-17页 |
| 1.3.2 基于道路模型的车道线检测 | 第17-18页 |
| 1.3.3 车道线检测关键技术小结 | 第18-19页 |
| 1.4 研究内容及章节安排 | 第19-22页 |
| 第二章 道路图像预处理 | 第22-42页 |
| 2.1 改进的道路图像ROI选取方法 | 第22-30页 |
| 2.1.1 ROI的概念 | 第22页 |
| 2.1.2 改进的ROI选取方法 | 第22-28页 |
| 2.1.3 改进的ROI效果对比 | 第28-30页 |
| 2.2 道路图像的灰度处理 | 第30-32页 |
| 2.2.1 道路图像的灰度化 | 第30-31页 |
| 2.2.2 俯视道路图像灰度处理 | 第31-32页 |
| 2.3 道路图像的滤波增强处理 | 第32-36页 |
| 2.3.1 常用滤波方法 | 第32-33页 |
| 2.3.2 滤波方法对比分析 | 第33-36页 |
| 2.4 道路图像的阈值分割 | 第36页 |
| 2.5 道路图像的边缘检测 | 第36-41页 |
| 2.5.1 常用边缘检测算法 | 第37-40页 |
| 2.5.2 边缘检测算法对比 | 第40-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 多摄像头车道线检测 | 第42-54页 |
| 3.1 Hough变换 | 第42-44页 |
| 3.2 前视摄像头车道线检测 | 第44-49页 |
| 3.2.1 逆透视映射 | 第44-45页 |
| 3.2.2 RANSAC算法 | 第45-46页 |
| 3.2.3 车道线检测算法 | 第46-49页 |
| 3.3 俯视摄像头车道线检测 | 第49-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 多摄像头信息融合 | 第54-68页 |
| 4.1 摄像机标定 | 第54-61页 |
| 4.1.1 标定原理 | 第54-57页 |
| 4.1.2 标定实验 | 第57-61页 |
| 4.2 多摄像头信息融合策略 | 第61-64页 |
| 4.2.1 传统检测方法的优缺点 | 第61页 |
| 4.2.2 本文检测方法的策略 | 第61-64页 |
| 4.3 多摄像头信息融合算法 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 车道线采集与检测实验 | 第68-80页 |
| 5.1 实验平台 | 第68-76页 |
| 5.1.1 硬件环境 | 第68-73页 |
| 5.1.2 软件环境 | 第73-74页 |
| 5.1.3 实验环境 | 第74-76页 |
| 5.2 实验分析 | 第76-79页 |
| 5.2.1 车道线检测 | 第76-79页 |
| 5.2.2 车道偏移计算 | 第79页 |
| 5.3 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 总结 | 第80页 |
| 6.2 展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 研究成果及发表的学术论文 | 第88-90页 |
| 作者及导师简介 | 第90-91页 |
| 附件 | 第91-92页 |
