基于机器视觉的无人车道路识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·课题研究背景 | 第9页 |
| ·课题研究意义 | 第9-10页 |
| ·基于机器视觉的无人车道路识别技术的研究现状 | 第10-14页 |
| ·国外道路识别技术的研究现状 | 第10-11页 |
| ·国内道路识别技术的研究现状 | 第11-12页 |
| ·无人车定位技术的研究现状 | 第12页 |
| ·识别算法性能评价体系 | 第12-14页 |
| ·本文研究内容 | 第14-15页 |
| ·本文章节结构 | 第15-16页 |
| 2 基于模糊理论的分水岭图像分割算法 | 第16-36页 |
| ·实时图像预处理 | 第16-26页 |
| ·图像预处理流程 | 第16页 |
| ·图像灰度化 | 第16-17页 |
| ·图像分块 | 第17-18页 |
| ·图像增强 | 第18-23页 |
| ·常见图像分割算法 | 第23-26页 |
| ·图像的模糊性特点 | 第26-27页 |
| ·模糊理论在图像处理中的应用 | 第27-30页 |
| ·模糊理论 | 第27页 |
| ·模糊推理技术 | 第27-28页 |
| ·模糊推理理论在图像处理中的应用 | 第28-30页 |
| ·基于模糊理论的分水岭分割算法 | 第30-35页 |
| ·传统分水岭算法概述 | 第30-32页 |
| ·道路图像模糊化 | 第32-34页 |
| ·图像混合分割算法流程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 结构化道路识别算法研究 | 第36-46页 |
| ·传统Hough变换 | 第36-38页 |
| ·基于Hough变换的道路识别改进算法 | 第38-41页 |
| ·感兴趣附近区域的划定 | 第38-39页 |
| ·感兴趣附近区域H与车道标线(或车道边界)的关系 | 第39-41页 |
| ·最小二乘折线拟合法 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 4 无人车自身位姿定位算法 | 第46-60页 |
| ·无人车位姿定位原理概述 | 第46-49页 |
| ·坐标系的建立 | 第46-47页 |
| ·无人车位姿参数确定原理 | 第47-49页 |
| ·摄像机标定技术 | 第49-58页 |
| ·常见摄像机标定技术 | 第50-57页 |
| ·本文的摄像机标定方法 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 5 无人车结构化道路识别实验 | 第60-70页 |
| ·引言 | 第60-61页 |
| ·摄像机参数标定验证实验 | 第61-63页 |
| ·无人车结构化道路识别实验 | 第63-69页 |
| ·图像预处理实验 | 第63-65页 |
| ·图像混合分割算法实验 | 第65-66页 |
| ·结构化道路车道标线(或车道边界)识别算法实验 | 第66-68页 |
| ·车体位姿参数确定实验 | 第68页 |
| ·实验数据分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
| 致谢 | 第78-80页 |
