基于自动曝光的车道线识别系统研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 车道线检测的研究现状 | 第11-12页 |
| 1.2.2 自动曝光的研究现状 | 第12-14页 |
| 1.3 现有研究存在的问题分析 | 第14页 |
| 1.4 本文的主要研究工作 | 第14-16页 |
| 第二章 相机标定和曝光算法 | 第16-28页 |
| 2.1 图像传感器分类和选型 | 第16-18页 |
| 2.2 图像传感器的安装和标定 | 第18-22页 |
| 2.2.1 传感器安装位置 | 第18-19页 |
| 2.2.2 传感器参数标定 | 第19-22页 |
| 2.3 实时自动曝光参数算法 | 第22-27页 |
| 2.3.1 自动曝光原理 | 第22-23页 |
| 2.3.2 基于直方图的成像质量评价 | 第23-24页 |
| 2.3.3 基于对象的曝光评估 | 第24-25页 |
| 2.3.4 基于多斜率积分的动态范围扩展算法 | 第25-26页 |
| 2.3.5 基于车道线的曝光算法流程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于模型的车道线识别 | 第28-41页 |
| 3.1 特征分析 | 第28-29页 |
| 3.2 图像预处理 | 第29-33页 |
| 3.3 基于霍夫变换的车道线拟合 | 第33-34页 |
| 3.4 虚、实线型判断 | 第34-36页 |
| 3.5 车道偏离距离平顺 | 第36-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 嵌入式系统移植和算法优化 | 第41-54页 |
| 4.1 芯片选型 | 第41-42页 |
| 4.2 处理器的结构原理和硬件设计 | 第42-46页 |
| 4.2.1 Blackfin内核特点 | 第42页 |
| 4.2.2 Blackfin外围接口 | 第42-44页 |
| 4.2.3 车道线识别硬件模块的设计 | 第44-46页 |
| 4.3 开发环境和软件设备 | 第46-48页 |
| 4.3.1 仿真器模块 | 第46页 |
| 4.3.2 VDSP简介 | 第46-47页 |
| 4.3.3 CAN协议设计 | 第47-48页 |
| 4.4 算法移植和优化 | 第48-53页 |
| 4.4.1 算法流程 | 第48-49页 |
| 4.4.2 编程优化 | 第49-51页 |
| 4.4.3 编译环境优化 | 第51-52页 |
| 4.4.4 硬件优化 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 实验验证 | 第54-61页 |
| 5.1 实车实验设计 | 第54页 |
| 5.1.1 路试实验要求 | 第54页 |
| 5.1.2 实验环境选择 | 第54页 |
| 5.2 试验分析 | 第54-60页 |
| 5.2.1 自动曝光实验 | 第55-57页 |
| 5.2.2 耗时分析 | 第57-58页 |
| 5.2.3 车道线识别实验 | 第58页 |
| 5.2.4 车道线识别正确率分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 硕士期间参加的科研项目、发表的论文 | 第67页 |
