| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 车道线检测研究现状 | 第11-13页 |
| 1.2.2 障碍物检测与跟踪研究现状 | 第13-16页 |
| 1.2.3 智能车辆驾驶技术研究现状 | 第16-17页 |
| 1.3 本文主要内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 2 基于形态学滤波和最小二乘法的车道线检测 | 第19-37页 |
| 2.1 缩微车智能驾驶系统 | 第19-20页 |
| 2.2 缩微车车道线检测噪声分析 | 第20页 |
| 2.3 缩微车车道线边缘检测评价 | 第20-21页 |
| 2.4 般的缩微车车道线检测方法 | 第21-31页 |
| 2.4.1 缩微车车道线图像预处理 | 第22-23页 |
| 2.4.2 图像滤波 | 第23-25页 |
| 2.4.3 图像分割和边缘检测 | 第25-29页 |
| 2.4.4 霍夫变换和最小二乘法结合的车道线检测 | 第29-31页 |
| 2.5 传统检测算法的不足与分析 | 第31页 |
| 2.6 基于形态学的强噪声去除 | 第31-33页 |
| 2.6.1 形态学原理 | 第31-32页 |
| 2.6.2 强噪声去除 | 第32-33页 |
| 2.7 基于形态学的车道线检测算法 | 第33-36页 |
| 2.7.1 本文算法与传统算法结果对比 | 第33-35页 |
| 2.7.2 曲线型车道线检测 | 第35-36页 |
| 2.8 本章小结 | 第36-37页 |
| 3 基于视觉的障碍物检测 | 第37-51页 |
| 3.1 障碍物检测问题分析 | 第37-38页 |
| 3.2 静态障碍物检测 | 第38页 |
| 3.3 动态背景下的运动障碍物检测 | 第38-45页 |
| 3.3.1 常见运动障碍物检测 | 第38-42页 |
| 3.3.2 动态背景下障碍物检测方法分析 | 第42-43页 |
| 3.3.3 金字塔光流法和稠密光流法结合的障碍物检测方法 | 第43-45页 |
| 3.4 障碍物跟踪 | 第45-50页 |
| 3.4.1 MeanShift和CamShift算法 | 第46-48页 |
| 3.4.2 卡尔曼滤波器 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 缩微车智能驾驶控制技术研究 | 第51-60页 |
| 4.1 缩微车驾驶技术分析 | 第51-52页 |
| 4.2 缩微车视觉导航系统偏离分析 | 第52-53页 |
| 4.3 基于模糊控制的缩微车方向控制器设计 | 第53-56页 |
| 4.3.1 模糊控制器 | 第53-54页 |
| 4.3.2 缩微方向模糊控制器设计 | 第54-56页 |
| 4.4 基于增量式PID速度控制系统设计 | 第56-58页 |
| 4.4.1 PID控制算法 | 第57页 |
| 4.4.2 缩微车速度控制 | 第57-58页 |
| 4.5 缩微车控制系统测试 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |