基于机器视觉的车道线检测识别与车道偏离预警算法研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景和意义 | 第11-13页 |
| ·国内外技术发展状况 | 第13-17页 |
| ·国外发展状况 | 第13-15页 |
| ·国内发展状况 | 第15-17页 |
| ·本文主要研究内容 | 第17-18页 |
| ·本文章节安排 | 第18-21页 |
| 第二章 道路图像预处理 | 第21-39页 |
| ·道路图像灰度化 | 第21-22页 |
| ·道路图像的滤波增强处理 | 第22-29页 |
| ·常用的图像增强方法 | 第22-28页 |
| ·中值滤波方法的实现 | 第28-29页 |
| ·道路图像边缘检测 | 第29-36页 |
| ·Roberts边缘检测算子 | 第29-30页 |
| ·Sobel边缘检测算子 | 第30-31页 |
| ·Log边缘检测算子 | 第31-32页 |
| ·Candy边缘检测算子 | 第32-35页 |
| ·各种边缘检测算子比较 | 第35-36页 |
| ·道路图像的二值化 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第三章 道路图像检测与识别 | 第39-65页 |
| ·车道线模型描述 | 第39-44页 |
| ·车道线检测常用假设 | 第39-42页 |
| ·系统车道线模型描述 | 第42-44页 |
| ·基于CHEVP算法的车道线检测与识别 | 第44-58页 |
| ·Hough变换检测直线 | 第44-47页 |
| ·水平线检测方法 | 第47-51页 |
| ·参数k和车道线中线的估算方法 | 第51-54页 |
| ·曲线拟合车道线边界及中线 | 第54-57页 |
| ·基于CHEVP算法的实验结果 | 第57-58页 |
| ·基于最小二乘法的车道线检测与识别 | 第58-63页 |
| ·最小二乘法的基本原理 | 第58-59页 |
| ·车道的图像分割 | 第59-61页 |
| ·车道线的走向判断 | 第61-62页 |
| ·基于最小二乘法的实验结果 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 车道线偏离预警模建立 | 第65-85页 |
| ·引言 | 第65页 |
| ·摄像机标定 | 第65-73页 |
| ·摄像机针孔成像模型 | 第65-69页 |
| ·本文选用的摄像机标定方法 | 第69-70页 |
| ·摄像机标定实验 | 第70-73页 |
| ·车道偏离常用模型简介 | 第73-76页 |
| ·CCP模型 | 第73-74页 |
| ·FOD模型 | 第74-75页 |
| ·KBIRS模型 | 第75页 |
| ·TLC模型 | 第75-76页 |
| ·车道偏离预警模型的选择及参数提取 | 第76-81页 |
| ·车辆偏航角计算 | 第77-79页 |
| ·车辆横向偏移距离测量 | 第79-81页 |
| ·车道偏离结果及分析 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第五章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93-95页 |
| 学位论文评阅及答辩情况表 | 第95页 |
