智能交通系统中的车道检测与交通标志识别方法研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景及意义 | 第8-9页 |
| 1.3 辅助驾驶系统研究现状 | 第9-11页 |
| 1.3.1 交通标志识别研究现状 | 第9-10页 |
| 1.3.2 车道检测研究现状 | 第10-11页 |
| 1.4 本文的主要研究内容 | 第11-12页 |
| 1.5 论文章节安排 | 第12-14页 |
| 2 基于视觉注意力机制的感兴趣区域提取 | 第14-28页 |
| 2.1 视觉注意力机制概述 | 第14-16页 |
| 2.2 图像预处理 | 第16-18页 |
| 2.3 感兴趣区域的检测方法及原理 | 第18-27页 |
| 2.3.1 初级视觉特征提取 | 第18页 |
| 2.3.2 显著图生成 | 第18-22页 |
| 2.3.3 ROI选取及分割 | 第22-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 交通标志检测及识别 | 第28-38页 |
| 3.1 样本特征提取 | 第28-31页 |
| 3.1.1 MBLBP特征提取 | 第28-30页 |
| 3.1.2 HOG特征提取 | 第30-31页 |
| 3.2 交通标志识别 | 第31-36页 |
| 3.2.1 支持向量机原理概述 | 第31-32页 |
| 3.2.2 算法基本思路及总体结构 | 第32-33页 |
| 3.2.3 仿真实验与结果分析 | 第33-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 车道检测 | 第38-46页 |
| 4.1 霍夫变换原理 | 第38-39页 |
| 4.2 压缩感知基本理论 | 第39-43页 |
| 4.2.1 引言 | 第39-40页 |
| 4.2.2 压缩感知原理概述 | 第40-42页 |
| 4.2.3 基于压缩感知的改进霍夫变换 | 第42-43页 |
| 4.3 仿真实验及结果分析 | 第43-45页 |
| 4.3.1 直线检测结果分析 | 第43-44页 |
| 4.3.2 车道检测结果分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间研究成果 | 第54页 |
