基于机器视觉的车道保持控制算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 1 绪论 | 第15-21页 |
| 1.1 本文研究背景与意义 | 第15-16页 |
| 1.2 车道保持系统简介 | 第16-17页 |
| 1.3 研究现状 | 第17-20页 |
| 1.3.1 车道线识别算法 | 第17-18页 |
| 1.3.2 偏离预警决策 | 第18-19页 |
| 1.3.3 横向控制算法 | 第19-20页 |
| 1.4 本文研究的主要内容 | 第20-21页 |
| 2 车道线边缘提取 | 第21-30页 |
| 2.1 道路图像的灰度化处理 | 第21-22页 |
| 2.2 感兴趣区域的选取 | 第22页 |
| 2.3 梯度值过滤 | 第22-24页 |
| 2.3.1 图像的梯度信息 | 第22-23页 |
| 2.3.2 图像的线性滤波及卷积 | 第23页 |
| 2.3.3 梯度的计算及过滤 | 第23-24页 |
| 2.4 基于道路特征的边缘检测 | 第24-29页 |
| 2.4.1 常用的边缘检测算子 | 第24-28页 |
| 2.4.2 基于车道线宽度特征的边缘检测 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 车道线的检测与跟踪 | 第30-47页 |
| 3.1 分区域直线检测 | 第30-32页 |
| 3.1.1 ROI图像的区域划分 | 第30页 |
| 3.1.2 常见的直线检测算法 | 第30-32页 |
| 3.2 道路建模与求解 | 第32-38页 |
| 3.2.1 三次均匀B样条曲线 | 第32-33页 |
| 3.2.2 道路模型求解 | 第33-37页 |
| 3.2.3 道路跟踪 | 第37-38页 |
| 3.3 坐标系转换 | 第38-42页 |
| 3.3.1 坐标系定义 | 第38-39页 |
| 3.3.2 坐标系间的转换关系 | 第39-42页 |
| 3.3.3 B样条曲率计算 | 第42页 |
| 3.4 试验验证 | 第42-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于最优预瞄的车道保持控制策略 | 第47-60页 |
| 4.1 车道保持控制策略简介 | 第47-48页 |
| 4.2 车辆模型 | 第48-51页 |
| 4.2.1 七自由度整车模型 | 第48-49页 |
| 4.2.2 轮胎模型 | 第49-51页 |
| 4.3 车道偏离判断 | 第51-56页 |
| 4.3.1 直线车道线跨道时间计算 | 第52-53页 |
| 4.3.2 曲线车道跨道时间计算 | 第53-56页 |
| 4.4 基于单点预瞄最优曲率的横向控制器 | 第56-59页 |
| 4.4.1 单点预瞄最优曲率驾驶员模型 | 第56-58页 |
| 4.4.2 横向控制器设计 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 车道保持控制策略建模及仿真分析 | 第60-75页 |
| 5.1 车道保持控制策略建模 | 第60-63页 |
| 5.1.1 跨道时间计算模型 | 第60页 |
| 5.1.2 车辆模型及轮胎模型 | 第60-62页 |
| 5.1.3 基于驾驶员模型的横向控制器建模 | 第62-63页 |
| 5.2 车道保持控制策略仿真及分析 | 第63-74页 |
| 5.2.1 仿真工况设计 | 第63-65页 |
| 5.2.2 仿真结果分析 | 第65-74页 |
| 5.3 本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第81-82页 |
