自主车辆地面自动辨识技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 本课题研究的意义 | 第8页 |
| §1-2 自主车辆概述 | 第8-10页 |
| §1-3 机器视觉概述 | 第10页 |
| §1-4 图像处理概述 | 第10-11页 |
| §1-5 模式识别概述 | 第11页 |
| §1-6 本论文的研究内容和方法 | 第11-13页 |
| 第二章 行车路面通过性研究 | 第13-16页 |
| §2-1 引言 | 第13页 |
| 2-1-1 支承通过性 | 第13页 |
| 2-1-2 几何通过性 | 第13页 |
| §2-2 车辆路面通过性研究概述 | 第13-14页 |
| §2-3 自主车辆传感器应用概述 | 第14页 |
| §2-4 本章小结 | 第14-16页 |
| 第三章 路面图像信息的采集 | 第16-20页 |
| §3-1 引言 | 第16页 |
| §3-2 信号采集理论概述 | 第16页 |
| §3-3 图像信息采集设备概述 | 第16-17页 |
| 3-3-1 自主车辆的选配 | 第16-17页 |
| 3-3-2 图像传感器的选配 | 第17页 |
| §3-4 路面图像信息的采集 | 第17-19页 |
| §3-5 本章小结 | 第19-20页 |
| 第四章 路面图像信息的处理 | 第20-43页 |
| §4-1 引言 | 第20页 |
| §4-2 图像信息的处理 | 第20-42页 |
| 4-2-1 图像压缩编码 | 第20-23页 |
| 4-2-2 图像复原重建 | 第23-26页 |
| 4-2-3 图像平滑处理 | 第26-29页 |
| 4-2-4 图像锐化处理 | 第29-32页 |
| 4-2-5 图像增强处理 | 第32-35页 |
| 4-2-6 图像特征提取 | 第35-42页 |
| §4-3 本章小节 | 第42-43页 |
| 第五章 路面图像信息的模式识别 | 第43-49页 |
| §5-1 引言 | 第43页 |
| §5-2 图像信息的模式识别 | 第43-48页 |
| 5-2-1 模式识别概述 | 第43页 |
| 5-2-2 数据分类概述 | 第43页 |
| 5-2-3 人工神经网络概述 | 第43-45页 |
| 5-2-4 BP 神经网络概述 | 第45页 |
| 5-2-5 具体处理过程 | 第45-48页 |
| 5-2-5-1 BP 神经网络的建立 | 第45-46页 |
| 5-2-5-2 BP 神经网络的训练 | 第46页 |
| 5-2-5-3 BP 神经网络的测试 | 第46-47页 |
| 5-2-5-4 常见行车路面模式识别模块的建立 | 第47-48页 |
| §5-3 本章小结 | 第48-49页 |
| 第六章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 A | 第53-56页 |
| 附录 B | 第56-65页 |
| 附录 C | 第65-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间所取得的相关科研成果 | 第67页 |
