| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 智能驾驶国内外研究现状 | 第12-18页 |
| 1.2.1 国外发展现状 | 第12-15页 |
| 1.2.2 国内发展现状 | 第15-18页 |
| 1.3 车道线检测方法的关键技术 | 第18-20页 |
| 1.4 本文主要内容和组织结构 | 第20-22页 |
| 第二章 道路图像预处理 | 第22-39页 |
| 2.1 道路图像感兴趣区域的确定 | 第22-24页 |
| 2.1.1 静态划分感兴趣区域 | 第22-23页 |
| 2.1.2 动态划分感兴趣区域 | 第23-24页 |
| 2.2 道路图像的灰度化 | 第24-26页 |
| 2.2.1 加权平均法 | 第25页 |
| 2.2.2 平均值法 | 第25页 |
| 2.2.3 最大值法 | 第25-26页 |
| 2.3 图像增强 | 第26-27页 |
| 2.4 图像平滑 | 第27-31页 |
| 2.4.1 领域平均法 | 第28页 |
| 2.4.2 中值滤波法 | 第28-30页 |
| 2.4.3 对中值滤波法的改进 | 第30-31页 |
| 2.5 车道线边缘提取 | 第31-38页 |
| 2.5.1 Roberts算子 | 第32-33页 |
| 2.5.2 Prewitt算子 | 第33页 |
| 2.5.3 Sobel算子 | 第33-34页 |
| 2.5.4 Canny算子 | 第34-36页 |
| 2.5.5 基于最大类间方差(Otsu)法和Canny算子的边缘提取法 | 第36-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 车道线检测及追踪 | 第39-54页 |
| 3.1 道路识别的基础条件 | 第39-41页 |
| 3.2 搜索拟合车道边界点 | 第41-48页 |
| 3.2.1 最小二乘法 | 第42-43页 |
| 3.2.2 Hough变换 | 第43-47页 |
| 3.2.3 对Hough变换的改进 | 第47-48页 |
| 3.3 车道线追踪系统模型的建立 | 第48-52页 |
| 3.3.1 卡尔曼滤波器 | 第48-50页 |
| 3.3.2 基于卡尔曼滤波器建立车道线的动态感兴趣区域 | 第50-52页 |
| 3.4 结合最小二乘法与Hough变换的车道线检测算法优化 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 道路识别算法实现及代码优化 | 第54-69页 |
| 4.1 系统的总体结构及工作原理 | 第54-55页 |
| 4.2 基于DM6437硬件平台系统的设计 | 第55-60页 |
| 4.2.1 单目视觉摄像头 | 第55-56页 |
| 4.2.2 DM6437硬件开发平台 | 第56-58页 |
| 4.2.3 集成开发环境 | 第58-60页 |
| 4.3 道路识别系统的整体设计 | 第60-62页 |
| 4.4 基于DM6437的道路识别系统实验 | 第62-68页 |
| 4.4.1 算法实现流程 | 第62-63页 |
| 4.4.2 算法程序编写 | 第63-64页 |
| 4.4.3 代码优化 | 第64-66页 |
| 4.4.4 算法整体的优化实验 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 全文总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
