摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 课题研究背景与意义 | 第11-12页 |
1.2 基于机器视觉的车道保持辅助系统简介 | 第12-13页 |
1.3 课题研究现状 | 第13-17页 |
1.3.1 摄像头标定 | 第13-14页 |
1.3.2 车道线识别与跟踪 | 第14-15页 |
1.3.3 车道偏离预警 | 第15-16页 |
1.3.4 车道保持横向控制 | 第16-17页 |
1.4 本文研究的主要内容 | 第17-19页 |
第二章 摄像头标定算法研究及单目测距原理 | 第19-48页 |
2.1 摄像头成像模型 | 第19-23页 |
2.1.1 线性成像模型 | 第19-22页 |
2.1.2 摄像头畸变模型 | 第22-23页 |
2.2 摄像头内参数标定 | 第23-30页 |
2.2.1 基于OpenCV的内参数标定方法 | 第23-24页 |
2.2.2 棋盘格角点检测 | 第24-27页 |
2.2.3 内参数标定实验 | 第27-30页 |
2.3 摄像头外参数标定 | 第30-46页 |
2.3.1 世界坐标系和摄像机坐标系的建立 | 第30-31页 |
2.3.2 消失点与摄像头外参数的关系 | 第31-34页 |
2.3.3 基于最优道路消失点的外参数标定方法 | 第34-36页 |
2.3.4 最优道路消失点估计 | 第36-43页 |
2.3.5 外参数标定实验 | 第43-46页 |
2.4 单目测距原理 | 第46页 |
2.5 本章小结 | 第46-48页 |
第三章 车道线识别与跟踪算法研究 | 第48-77页 |
3.1 图像预处理 | 第48-57页 |
3.1.1 图像灰度化 | 第49页 |
3.1.2 图像特征提取 | 第49-53页 |
3.1.3 图像二值化 | 第53-55页 |
3.1.4 逆透视变换 | 第55-56页 |
3.1.5 感兴趣区域获取 | 第56-57页 |
3.2 车道线特征点提取 | 第57-68页 |
3.2.1 车道线起点检测 | 第58-62页 |
3.2.2 车道线特征点搜索 | 第62-68页 |
3.3 车道线拟合 | 第68-70页 |
3.4 车道线跟踪 | 第70-71页 |
3.5 车道线识别与跟踪实验 | 第71-76页 |
3.5.1 实验环境及测试数据 | 第71-72页 |
3.5.2 实验结果的评价标准 | 第72-73页 |
3.5.3 实验结果与分析 | 第73-76页 |
3.6 本章小结 | 第76-77页 |
第四章 车道偏离预警算法研究 | 第77-89页 |
4.1 常见的车道偏离预警算法 | 第77-80页 |
4.1.1 CCP算法 | 第77-78页 |
4.1.2 TLC算法 | 第78页 |
4.1.3 FOD算法 | 第78-80页 |
4.2 基于CCP和 TLC联合的车道偏离预警策略 | 第80-81页 |
4.3 车道偏离预警策略的建模与仿真验证 | 第81-87页 |
4.3.1 车道偏离预警策略建模 | 第81-83页 |
4.3.2 仿真工况设计 | 第83-84页 |
4.3.3 车道偏离预警实验结果与分析 | 第84-87页 |
4.4 本章小结 | 第87-89页 |
第五章 车道保持横向控制算法研究 | 第89-105页 |
5.1 车辆动力学模型 | 第89-93页 |
5.1.1 魔术公式轮胎模型 | 第89-90页 |
5.1.2 二自由度车辆动力学模型 | 第90-93页 |
5.2 基于单点预瞄驾驶员模型的横向控制算法 | 第93-97页 |
5.2.1 驾驶员模型 | 第93页 |
5.2.2 单点预瞄驾驶员模型 | 第93-95页 |
5.2.3 横向控制算法设计 | 第95-97页 |
5.3 车道保持横向控制算法的建模与仿真验证 | 第97-104页 |
5.3.1 车辆模型和轮胎模型 | 第97-98页 |
5.3.2 车道保持横向控制算法建模 | 第98-99页 |
5.3.3 仿真工况设计 | 第99-100页 |
5.3.4 仿真实验结果与分析 | 第100-104页 |
5.4 本章小结 | 第104-105页 |
第六章 总结与展望 | 第105-107页 |
6.1 总结 | 第105-106页 |
6.2 展望 | 第106-107页 |
致谢 | 第107-108页 |
参考文献 | 第108-113页 |
攻读硕士学位期间取得的成果 | 第113页 |