基于达芬奇平台的车道线识别系统设计与实现
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 智能车辆视觉技术的研究现状 | 第10-13页 |
| 1.2.1 国内外智能车研究现状 | 第10页 |
| 1.2.2 车道线识别研究现状 | 第10-13页 |
| 1.3 论文结构及内容安排 | 第13-14页 |
| 第2章 相关技术介绍 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 ROI区域选择 | 第14-15页 |
| 2.3 图像颜色空间 | 第15-17页 |
| 2.3.1 RGB空间 | 第15-17页 |
| 2.3.2 YUV颜色空间 | 第17页 |
| 2.4 图像增强 | 第17-18页 |
| 2.5 图像滤波 | 第18-19页 |
| 2.6 边缘检测算法 | 第19-20页 |
| 2.6.1 Canny检测算法 | 第19页 |
| 2.6.2 Sobel检测算法 | 第19-20页 |
| 2.7 DSP系统 | 第20-25页 |
| 2.7.1 DSP芯片 | 第20页 |
| 2.7.2 DSP/BIOS介绍 | 第20-21页 |
| 2.7.3 DSP软件开发环境 | 第21-25页 |
| 2.8 本章小结 | 第25-26页 |
| 第3章 多车道线检测与跟踪算法设计与实现 | 第26-36页 |
| 3.1 引言 | 第26-27页 |
| 3.2 道路模型的构建方法 | 第27-28页 |
| 3.2.1 基于灰度特征的方法 | 第27页 |
| 3.2.2 基于直线的道路模型匹配方法 | 第27-28页 |
| 3.3 道路图像特征直线提取 | 第28-30页 |
| 3.4 车道线的跟踪算法设计 | 第30-31页 |
| 3.5 车道线的融合算法设计 | 第31-35页 |
| 3.5.1 车道线合理性判断 | 第31-34页 |
| 3.5.2 多车道线融合算法设计 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 车道线识别系统设计与实现 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 车道线识别系统介绍 | 第36-38页 |
| 4.3 摄像机标定功能实现 | 第38-39页 |
| 4.4 多车道线融合算法设计 | 第39-40页 |
| 4.5 车道线识别系统运行结果 | 第40-47页 |
| 4.5.1 ROI设定效果 | 第41-42页 |
| 4.5.2 系统识别效果 | 第42-45页 |
| 4.5.3 车道线识别效果 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 车道线识别系统在达芬奇平台上的移植 | 第48-62页 |
| 5.1 达芬奇平台介绍 | 第48-49页 |
| 5.2 EMCV简介 | 第49页 |
| 5.3 EMCV移植的可行性分析 | 第49-50页 |
| 5.4 基于达芬奇平台的车道线识别算法移植 | 第50-56页 |
| 5.4.1 构建DSPServer | 第50-55页 |
| 5.4.2 道路识别算法移植与优化 | 第55-56页 |
| 5.5 移植的具体工作 | 第56-61页 |
| 5.5.1 移植工作 | 第56-58页 |
| 5.5.2 移植的主要结果统计 | 第58-60页 |
| 5.5.3 移植的API功能测试 | 第60-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 进一步工作的方向 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第68页 |
