首页--交通运输论文--公路运输论文--汽车工程论文--汽车结构部件论文--电气设备及附件论文

基于机器视觉的车道偏离预警系统关键算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第14-21页
    1.1 引言第14-15页
    1.2 课题研究背景及意义第15-17页
    1.3 车道偏离预警系统研究现状及存在问题第17-19页
        1.3.1 国外研究现状第17-18页
        1.3.2 国内研究现状第18-19页
        1.3.3 存在问题第19页
    1.4 课题来源及本文研究内容第19-20页
    1.5 本章小结第20-21页
第2章 图像的获取与摄像机标定第21-35页
    2.1 概述第21-22页
    2.2 图像的获取第22-23页
        2.2.1 AVI 文件基本知识第22页
        2.2.2 AVI 视频向 BMP 位图的转换第22-23页
    2.3 摄像机标定基础第23-28页
        2.3.1 参考坐标系第23-26页
        2.3.2 光学成像过程第26-28页
    2.4 基于 OpenCV 的改进两步法标定第28-29页
    2.5 标定实现步骤第29-31页
    2.6 标定结果的验证第31-33页
    2.7 本章小结第33-35页
第3章 图像预处理第35-53页
    3.1 图像预处理算法结构第35-36页
    3.2 图像灰度化第36-37页
    3.3 自适应阈值小波去噪处理第37-43页
        3.3.1 小波分析基本理论第37-38页
        3.3.2 小波去噪原理及方法第38-39页
        3.3.3 Donoho 小波去噪法第39-40页
        3.3.4 基于自适应阈值的小波去噪方法第40-43页
    3.4 边缘检测算法第43-52页
        3.4.1 Roberts 边缘检测算子第45-46页
        3.4.2 Sobel 边缘检测算子第46-49页
        3.4.3 高斯-拉普拉斯算子第49-51页
        3.4.4 各类边缘检测算法对比第51-52页
    3.5 本章小结第52-53页
第4章 基于分块分类和卡尔曼法的车道线识别与跟踪第53-71页
    4.1 车道线可行区域的建立第53-57页
        4.1.1 车道线 ROI 的设置第53-54页
        4.1.2 车道线 ROI 的初始化与调整第54-57页
    4.2 基于分块分类法特征点的提取第57-60页
        4.2.1 对车道线 ROI 分块分类第58页
        4.2.2 分类结果的修正细分第58-60页
        4.2.3 车道线特征点的提取第60页
    4.3 线性-抛物线模型的建立第60-63页
        4.3.1 道路车道模型简介第60-61页
        4.3.2 线性-车道线模型的建立第61-63页
    4.4 车道线的拟合第63-65页
        4.4.1 最小二乘法基本原理第63-64页
        4.4.2 最小二乘法拟合车道线第64-65页
    4.5 道路线的跟踪第65-69页
        4.5.1 基于 Kalman 的车道线搜索区域跟踪第66-68页
        4.5.2 道路线可行区域的更新第68-69页
    4.6 本章小结第69-71页
第5章 车道偏离预警决策算法与实验结果分析第71-81页
    5.1 概述第71页
    5.2 车道偏离预警决策算法分类第71-74页
        5.2.1 CCP 预警决策第71-72页
        5.2.2 FOD 预警决策第72页
        5.2.3 TLC 预警决策第72-73页
        5.2.4 KBIRS 预警决策第73-74页
    5.3 车道偏离预警模型的建立第74-75页
        5.3.1 基于车道线对称夹角的预警第74-75页
        5.3.2 基于车道线横向截距变化的预警第75页
    5.4 车道偏离预警系统设计及性能分析第75-80页
        5.4.1 系统有效性分析第76-79页
        5.4.2 系统准确性分析第79-80页
    5.5 本章小结第80-81页
结论与展望第81-83页
参考文献第83-88页
致谢第88-89页
附录 A 攻读学位期间所发表的学术论文目录第89页

论文共89页,点击 下载论文
上一篇:建筑幕墙工程施工要点与检验方法的实证研究
下一篇:基于光照不均匀图像的自适应二值化方法研究