高级辅助驾驶中的车道线检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要研究内容及论文结构 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 论文结构 | 第16-17页 |
| 2 典型的车道线检测与跟踪算法 | 第17-27页 |
| 2.1 典型的车道线检测算法 | 第17-20页 |
| 2.2 边界跟踪算法 | 第20-26页 |
| 2.2.1 基本概念和符号 | 第20-22页 |
| 2.2.2 用于拓扑分析的边界跟踪算法 | 第22-25页 |
| 2.2.3 仅提取最外边界的边界跟踪算法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 基于RANSAC算法的车道线检测研究 | 第27-42页 |
| 3.1 算法流程图 | 第27页 |
| 3.2 图像灰度化 | 第27-29页 |
| 3.3 滤波 | 第29-32页 |
| 3.3.1 相关操作 | 第29-30页 |
| 3.3.2 卷积操作 | 第30-32页 |
| 3.4 多级图像阈值OTSU方法 | 第32-33页 |
| 3.5 RANSAC算法 | 第33-36页 |
| 3.6 实验结果 | 第36-41页 |
| 3.6.1 结果展示 | 第37-39页 |
| 3.6.2 算法性能 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 基于几何特征改进的车道线检测研究 | 第42-62页 |
| 4.1 算法流程图 | 第42页 |
| 4.2 图像预处理 | 第42-49页 |
| 4.2.1 图像灰度化、滤波 | 第43-46页 |
| 4.2.2 图像二值化 | 第46-49页 |
| 4.3 轮廓提取及筛选 | 第49-53页 |
| 4.4 车道线拟合及可行驶区域的划定 | 第53-56页 |
| 4.5 算法改进前后结果对比 | 第56-61页 |
| 4.5.1 结果展示 | 第56-58页 |
| 4.5.2 算法性能 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |
