基于图像的车道线检测与跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 课题研究目的与意义 | 第8-10页 |
| 1.3 国内外发展状况 | 第10-12页 |
| 1.3.1 国外研究的成果 | 第10-11页 |
| 1.3.2 目前国内对于车道线检测的研究现状 | 第11-12页 |
| 1.4 存在的问题 | 第12页 |
| 1.5 本文的主要内容与结构 | 第12-14页 |
| 1.5.1 论文的研究内容 | 第12-13页 |
| 1.5.2 论文的结构 | 第13-14页 |
| 第二章 道路图像预处理 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 图像的灰度化处理 | 第14-17页 |
| 2.2.1 加权平均法 | 第14-15页 |
| 2.2.2 平均值法 | 第15-17页 |
| 2.3 图像平滑算法 | 第17-19页 |
| 2.3.1 均值滤波法 | 第18-19页 |
| 2.3.2 中值滤波 | 第19页 |
| 2.4 图像对比度的增强 | 第19-21页 |
| 2.5 图像边缘增强 | 第21-26页 |
| 2.5.1 Roberts检测算子 | 第21-22页 |
| 2.5.2 Sobel检测算子 | 第22-23页 |
| 2.5.3 Prewitt检测算子 | 第23-24页 |
| 2.5.4 Canny检测算子 | 第24-25页 |
| 2.5.5 Laplacian算子 | 第25-26页 |
| 2.6 改进的差分算子 | 第26-29页 |
| 第三章 车道线检测与识别 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 常用的几种拟合直线的方法 | 第29-34页 |
| 3.2.1 基于最优线段法拟合直线 | 第29-30页 |
| 3.2.2 基于最小二乘法拟合直线 | 第30-32页 |
| 3.2.3 最大类间方差法 | 第32-34页 |
| 3.3 改进的Hough算法 | 第34-37页 |
| 3.4 曲线道路的检测和拟合 | 第37-43页 |
| 3.4.1 RANCAN方法 | 第39-41页 |
| 3.4.2 弯道曲线的拟合 | 第41-43页 |
| 3.5 本章 小节 | 第43-44页 |
| 第四章 车道线跟踪与预警机制 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 滤波跟踪算法 | 第44-45页 |
| 4.3 粒子滤波法 | 第45-48页 |
| 4.3.1 SIS方法 | 第46-47页 |
| 4.3.2 带重采样的粒子滤波 | 第47-48页 |
| 4.4 Condensation滤波算法 | 第48-52页 |
| 4.4.1 提出的算法流程图和结果图 | 第50-52页 |
| 4.5 几种常见车道线预警模型 | 第52-55页 |
| 4.5.1 CCP模型 | 第52-53页 |
| 4.5.2 FOD模型 | 第53-54页 |
| 4.5.3 TLC模型 | 第54-55页 |
| 4.5.4 KBIRS模型 | 第55页 |
| 4.6 自定义TLC模型实现车道偏离预警 | 第55-61页 |
| 4.6.1 计算车辆的偏航角 | 第55-58页 |
| 4.6.2 测量车辆横向偏移距离 | 第58-61页 |
| 4.7 本章 小结 | 第61-62页 |
| 第五章 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |
