| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 课题研究目的 | 第13-14页 |
| 1.4 章节安排 | 第14-16页 |
| 第二章 高速公路场景中基于消失点的相机标定理论 | 第16-25页 |
| 2.1 一般相机模型 | 第16-20页 |
| 2.1.1 相机标定中的基本概念 | 第16-18页 |
| 2.1.2 相机标定过程 | 第18-20页 |
| 2.2 高速公路场景中的相机模型 | 第20-21页 |
| 2.3 基于消失点理论的相机标定算法 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 第一个方向消失点的检测方法 | 第25-43页 |
| 3.1 基于光流的车辆目标轨迹提取 | 第25-36页 |
| 3.1.1 光流基本原理简介 | 第25-27页 |
| 3.1.2 车辆轨迹提取算法 | 第27-36页 |
| 3.2 一种基于霍夫变换思想的消失点检测方法 | 第36-40页 |
| 3.2.1 霍夫变换 | 第36-37页 |
| 3.2.2 平行坐标系下的霍夫变换 | 第37-40页 |
| 3.3 实验结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 一种基于单消失点的相机自动标定算法框架 | 第43-52页 |
| 4.1 算法流程 | 第43-45页 |
| 4.2 实验结果与分析 | 第45-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 基于单消失点的车道线模型相机自动标定方法 | 第52-64页 |
| 5.1 算法流程 | 第52-53页 |
| 5.2 一种稳健的车道线检测方法 | 第53-58页 |
| 5.3 实验结果与分析 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 基于单消失点的车辆线框模型相机自动标定方法 | 第64-72页 |
| 6.1 算法流程 | 第65-66页 |
| 6.2 基于深层神经网络的目标检测算法简介 | 第66-68页 |
| 6.3 实验结果与分析 | 第68-71页 |
| 6.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |