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 |