| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外车道线检测研究现状 | 第11页 |
| 1.2.2 国内车道线检测研究现状 | 第11-12页 |
| 1.2.3 车道线检测方法总结 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 章节组织 | 第13-15页 |
| 第2章 车道图像预处理方法分析及比较 | 第15-26页 |
| 2.1 几种彩色图像灰度化算法 | 第15-17页 |
| 2.1.1 加权平均值法 | 第15-16页 |
| 2.1.2 平均值法 | 第16页 |
| 2.1.3 最大值法 | 第16页 |
| 2.1.4 车道图像灰度化 | 第16-17页 |
| 2.2 图像平滑 | 第17-22页 |
| 2.2.1 空间域法 | 第17-19页 |
| 2.2.2 频率域法 | 第19-22页 |
| 2.3 车道图像二值化 | 第22-24页 |
| 2.3.1 迭代阈值法 | 第22页 |
| 2.3.2 Otsu方法 | 第22-24页 |
| 2.3.3 车道图像二值化 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 车道图像边缘检测方法分析及比较 | 第26-43页 |
| 3.1 经典边缘检测算子 | 第26-29页 |
| 3.1.1 Sobel算子Prewitt算子 | 第27-28页 |
| 3.1.2 Canny算子 | 第28-29页 |
| 3.2 基于数学形态学边缘检测算子 | 第29-37页 |
| 3.2.1 基本数学形态学边缘检测算子 | 第32-34页 |
| 3.2.2 结构元素对边缘检测算法的影响 | 第34-35页 |
| 3.2.3 基于多角度多尺度结构元素的自适应边缘检测算法 | 第35-37页 |
| 3.3 数学形态学边缘检测在车道边缘检测中应用 | 第37-41页 |
| 3.3.1 基本数学形态学边缘检测在车道边缘检测中应用 | 第37-39页 |
| 3.3.2 基于多角度多尺度结构元素的数学形态学车道图像边缘检测 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 车道线识别与跟踪方法分析 | 第43-69页 |
| 4.1 车道图像感兴区域划分 | 第43-48页 |
| 4.1.1 Hough变换原理 | 第44-45页 |
| 4.1.2 动态感兴区域的划分 | 第45-48页 |
| 4.2 车道线提取 | 第48-54页 |
| 4.2.2 车道线骨架化 | 第49-51页 |
| 4.2.3 车道线骨架化去毛刺 | 第51-54页 |
| 4.3 车道线拟合 | 第54-59页 |
| 4.4 车道线识别仿真 | 第59-60页 |
| 4.5 车道线跟踪 | 第60-67页 |
| 4.5.1 卡尔曼滤波器原理 | 第60-62页 |
| 4.5.2 基于卡尔曼滤波匹配的车道线跟踪 | 第62-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第5章 车道偏移预警模型研究 | 第69-80页 |
| 5.1 车道偏移预警常用方法概述 | 第69-71页 |
| 5.2 车道偏移预警模型 | 第71-76页 |
| 5.2.1 基于横向偏离距离的横向偏移预警 | 第74页 |
| 5.2.2 基于航偏角变化的航向偏移预警 | 第74-76页 |
| 5.3 车道偏移预警仿真 | 第76-79页 |
| 5.4 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-85页 |
