| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 道路标志自动化识别研究的背景意义及发展现状 | 第9-10页 |
| 1.1.1 道路标志自动化识别研究的背景意义 | 第9页 |
| 1.1.2 道路标志自动化识别研究的发展现状 | 第9-10页 |
| 1.2 定位技术研究的背景意义及发展现状 | 第10-12页 |
| 1.2.1 定位技术研究的背景意义 | 第10-11页 |
| 1.2.2 定位技术研究的发展现状 | 第11-12页 |
| 1.3 论文的主要工作和结构安排 | 第12-15页 |
| 1.3.1 论文的主要工作 | 第12页 |
| 1.3.2 论文的结构安排 | 第12-15页 |
| 第二章 道路标志图像特征计算 | 第15-25页 |
| 2.1 图像局部特征的提取 | 第15-20页 |
| 2.1.1 ORB局部特征 | 第15-16页 |
| 2.1.2 SURF局部特征 | 第16-19页 |
| 2.1.3 BOW算法 | 第19-20页 |
| 2.2 ORB全局特征和SURF全局特征的提取 | 第20-22页 |
| 2.2.1 ORB全局特征 | 第20-21页 |
| 2.2.2 SURF全局特征 | 第21-22页 |
| 2.3 A-ORB全局特征和A-SURF全局特征的提取 | 第22-23页 |
| 2.3.1 仿射变换原理 | 第22-23页 |
| 2.3.2 A-ORB全局特征和A-SURF全局特征 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 图像匹配和基于WH-KNN的道路标志识别 | 第25-43页 |
| 3.1 图像匹配算法概述 | 第25页 |
| 3.2 WH-KNN算法 | 第25-28页 |
| 3.2.1 KNN算法 | 第25-26页 |
| 3.2.2 WH-KNN算法 | 第26-28页 |
| 3.3 基于全局特征和WH-KNN的道路标志识别实验结果 | 第28-37页 |
| 3.3.1 GTSRB数据集实验结果 | 第29-33页 |
| 3.3.2 采集数据集实验结果 | 第33-35页 |
| 3.3.3 LISA数据集实验结果 | 第35-37页 |
| 3.4 基于仿射变换和WH-KNN的道路标志识别实验结果 | 第37-42页 |
| 3.4.1 GTSRB数据集实验结果 | 第38-40页 |
| 3.4.2 采集数据集实验结果 | 第40-41页 |
| 3.4.3 LISA数据集实验结果 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于GPS与视觉融合的道路标志定位 | 第43-55页 |
| 4.1 GPS定位原理和视觉测量原理 | 第43-48页 |
| 4.1.1 GPS定位原理 | 第43-44页 |
| 4.1.2 视觉测量原理 | 第44-48页 |
| 4.2 基于视觉的道路标志定位研究 | 第48-51页 |
| 4.3 基于GPS和视觉测量的道路标志定位研究 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 结论 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 本文创新点 | 第55-56页 |
| 5.3 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61-63页 |
| 致谢 | 第63页 |
