| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10-11页 |
| 1.2 智能车辆技术概述 | 第11-16页 |
| 1.2.1 国外智能车辆概况 | 第11-13页 |
| 1.2.2 国内智能车辆概况 | 第13-14页 |
| 1.2.3 成熟的智能汽车产品 | 第14-16页 |
| 1.3 基于视觉的汽车主动安全技术 | 第16-17页 |
| 1.3.1 基于视觉的车道线检测 | 第16-17页 |
| 1.3.2 基于单目视觉的前方车辆检测 | 第17页 |
| 1.4 课题方案及主要研究内容 | 第17-20页 |
| 第2章 智能车实验平台与摄像机坐标转换 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 智能车实验平台 | 第20-22页 |
| 2.2.1 智能车辅助驾驶系统结构 | 第20-21页 |
| 2.2.2 摄像机的选型与安装 | 第21-22页 |
| 2.3 摄像机坐标转换 | 第22-27页 |
| 2.3.1 摄像头模型及转换过程 | 第22-24页 |
| 2.3.2 世界坐标系和摄像机坐标系的关系 | 第24页 |
| 2.3.3 图像坐标系 | 第24-25页 |
| 2.3.4 坐标转换公式 | 第25-26页 |
| 2.3.5 单应矩阵的计算 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于改进简单图像统计算法的车道线检测 | 第28-48页 |
| 3.1 引言 | 第28-29页 |
| 3.2 图像预处理 | 第29-31页 |
| 3.2.1 截取ROI区域 | 第29-30页 |
| 3.2.2 灰度化 | 第30-31页 |
| 3.3 常用的二值化算法 | 第31-34页 |
| 3.3.1 迭代阈值分割法 | 第31-32页 |
| 3.3.2 最大熵阈值分割法 | 第32-33页 |
| 3.3.3 最大类间方差法 | 第33-34页 |
| 3.3.4 Bernsen阈值分割法 | 第34页 |
| 3.4 改进SIS阈值分割算法 | 第34-38页 |
| 3.4.1 SIS阈值算法 | 第34-35页 |
| 3.4.2 改进SIS阈值算法 | 第35-36页 |
| 3.4.3 积分图快速算法 | 第36-38页 |
| 3.5 基于LSD的直线段检测 | 第38-39页 |
| 3.6 消失点估计 | 第39-40页 |
| 3.7 确定车道线位置 | 第40-42页 |
| 3.7.1 车道线连续性 | 第40页 |
| 3.7.2 车道间距 | 第40页 |
| 3.7.3 自适应车道线感兴趣区 | 第40-42页 |
| 3.8 实验与分析 | 第42-46页 |
| 3.9 本章小结 | 第46-48页 |
| 第4章 基于车底阴影和HAAR特征的车辆检测 | 第48-66页 |
| 4.1 引言 | 第48-49页 |
| 4.2 常见的车辆检测算法 | 第49-53页 |
| 4.2.1 基于车底阴影的车辆识别算法 | 第49-50页 |
| 4.2.2 基于SVM和HOG的车辆识别算法 | 第50-53页 |
| 4.3 基于HAAR分类器和车底阴影的车辆检测方法 | 第53-58页 |
| 4.3.1 Haar-like特征 | 第54-55页 |
| 4.3.2 级联Adaboost算法 | 第55-57页 |
| 4.3.3 分类器训练与车辆检测 | 第57-58页 |
| 4.4 基于车底阴影的车辆感兴趣区提取 | 第58-61页 |
| 4.4.1 分割车底阴影 | 第58-60页 |
| 4.4.2 车底阴影的修正 | 第60-61页 |
| 4.5 实验与分析 | 第61-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第5章 安全预警和软件平台 | 第66-74页 |
| 5.1 引言 | 第66页 |
| 5.2 车道偏离预警 | 第66-67页 |
| 5.3 碰撞预警 | 第67-69页 |
| 5.4 软件平台 | 第69-72页 |
| 5.5 本章小结 | 第72-74页 |
| 结论与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82-84页 |
| 致谢 | 第84页 |