基于无人机航拍的公路标线提取与破损检测的研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 公路检测方法 | 第11-12页 |
| 1.2.2 公路标线提取与破损检测方法 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 本文的内容安排 | 第14-15页 |
| 第二章 航拍图像公路定位方法 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 航拍公路图像介绍与分析 | 第15-16页 |
| 2.3 基于公路颜色与纹理特征的公路定位方法 | 第16-20页 |
| 2.3.1 颜色特征分割方法 | 第16-17页 |
| 2.3.2 纹理特征分割方法 | 第17-18页 |
| 2.3.3 本文方法 | 第18-20页 |
| 2.4 基于车道线的公路定位方法 | 第20-27页 |
| 2.4.1 边缘检测 | 第21-25页 |
| 2.4.2 直线归类 | 第25-26页 |
| 2.4.3 车道线几何约束 | 第26-27页 |
| 2.5 实验结果分析 | 第27-31页 |
| 2.5.1 采集测试数据集 | 第27-28页 |
| 2.5.2 基于颜色纹理特征公路定位结果分析 | 第28-29页 |
| 2.5.3 基于车道线公路定位结果分析 | 第29-30页 |
| 2.5.4 综合分析 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 公路标线提取 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 基于深度学习的车辆检测与滤除 | 第32-38页 |
| 3.2.1 常用深度学习检测框架 | 第32-35页 |
| 3.2.2 本文车辆检测方法 | 第35-37页 |
| 3.2.3 车辆检测算法分析 | 第37-38页 |
| 3.3 基于轮廓的标线候选区域提取 | 第38-43页 |
| 3.3.1 基于链码的标线轮廓提取方法 | 第38-41页 |
| 3.3.2 基于链码的轮廓面积计算方法 | 第41-42页 |
| 3.3.3 基于链码的轮廓外接矩形计算方法 | 第42-43页 |
| 3.3.4 候选轮廓区域颜色提取方法 | 第43页 |
| 3.4 标线提取与非标线目标滤除 | 第43-44页 |
| 3.5 实验结果分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 破损标线检测 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 图像预处理 | 第48-51页 |
| 4.2.1 标线阈值分割 | 第48-50页 |
| 4.2.2 图像滤波 | 第50-51页 |
| 4.3 公路标线破损检测 | 第51-58页 |
| 4.3.1 标线破损分类 | 第51-52页 |
| 4.3.2 截断式破损标线检测方法 | 第52-54页 |
| 4.3.3 磨损式破损标线检测方法 | 第54-57页 |
| 4.3.4 针对车道线的破损检测 | 第57-58页 |
| 4.4 破损检测分析 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 系统设计与实现 | 第62-68页 |
| 5.1 引言 | 第62页 |
| 5.2 系统功能 | 第62-63页 |
| 5.2.1 参数设定 | 第62-63页 |
| 5.2.2 公路标线自动化分析 | 第63页 |
| 5.2.3 查看并显示分析结果 | 第63页 |
| 5.3 系统设计 | 第63-65页 |
| 5.3.1 开发平台介绍 | 第64页 |
| 5.3.2 系统总体设计 | 第64-65页 |
| 5.4 系统测试 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果即发表的学术论文 | 第76页 |
| 攻读硕士学位期间发表(录用)论文情况 | 第76页 |
| 攻读硕士学位期间发表专利情况 | 第76页 |
| 攻读硕士学位期间参加研究项目 | 第76页 |
