基于图像的铁路障碍物自动检测算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景和意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-22页 |
| 1.3 研究内容和章节安排 | 第22-24页 |
| 第二章 铁路障碍物自动检测方案设计 | 第24-30页 |
| 2.1 路障检测方案设计 | 第24-27页 |
| 2.1.1 基本功能 | 第24页 |
| 2.1.2 系统运行平台的选择 | 第24-25页 |
| 2.1.3 成像系统的选择 | 第25-27页 |
| 2.1.4 系统设计方案 | 第27页 |
| 2.2 系统工作流程 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 图像预处理以及铁轨框架提取 | 第30-57页 |
| 3.1 图像预处理 | 第30-39页 |
| 3.1.1 去雾处理 | 第30-35页 |
| 3.1.2 去噪处理 | 第35-39页 |
| 3.2 铁轨框架提取的相关技术 | 第39-46页 |
| 3.2.1 边缘提取 | 第39-43页 |
| 3.2.2 曲线拟合 | 第43-46页 |
| 3.3 分段曲线模型提取铁轨框架 | 第46-55页 |
| 3.3.2 近距离区域铁轨提取 | 第48-49页 |
| 3.3.3 远距离区域铁轨提取 | 第49-53页 |
| 3.3.4 仿真结果分析 | 第53-55页 |
| 3.4 本章小结 | 第55-57页 |
| 第四章 铁轨障碍物自动检测算法和软件实现 | 第57-86页 |
| 4.1 图像ROI区域划分 | 第57-58页 |
| 4.2 红外图像障碍物检测 | 第58-65页 |
| 4.2.1 局部多向梯度统计算法 | 第58-63页 |
| 4.2.2 仿真结果分析 | 第63-65页 |
| 4.3 可见光图像障碍物检测 | 第65-81页 |
| 4.3.2 初始粗定位 | 第65-70页 |
| 4.3.3 二次细定位 | 第70-80页 |
| 4.3.4 仿真结果分析 | 第80-81页 |
| 4.4 系统软件实现 | 第81-83页 |
| 4.4.1 软件实现环境 | 第81-82页 |
| 4.4.2 实验结果与讨论 | 第82-83页 |
| 4.5 本章小结 | 第83-86页 |
| 第五章 总结与展望 | 第86-88页 |
| 5.1 总结 | 第86页 |
| 5.2 展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 作者简介 | 第96-97页 |
