| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·本课题国内外发展现状 | 第10-13页 |
| ·移动机器人国内外发展现状 | 第10-11页 |
| ·移动机器人视觉导航系统研究现状 | 第11-12页 |
| ·基于计算机视觉的道路检测技术研究现状 | 第12-13页 |
| ·论文主要内容和章节安排 | 第13-15页 |
| 2 移动机器人视觉导航中的关键技术 | 第15-19页 |
| ·摄像机标定 | 第15-16页 |
| ·标定方法的分类 | 第15-16页 |
| ·标定方法的发展 | 第16页 |
| ·图像中的边缘和直线检测技术 | 第16-18页 |
| ·边缘检测技术 | 第16-17页 |
| ·直线检测技术 | 第17-18页 |
| ·道路理解技术 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于样条变换多元回归模型的摄像机标定算法 | 第19-28页 |
| ·引言 | 第19页 |
| ·模型的建立 | 第19-22页 |
| ·摄像机投影模型 | 第19-20页 |
| ·样条变换多元回归模型 | 第20-21页 |
| ·标定模型理论精度 | 第21-22页 |
| ·算法实现 | 第22-23页 |
| ·算法步骤 | 第22-23页 |
| ·算法复杂度比较 | 第23页 |
| ·标定实验与分析 | 第23-27页 |
| ·标定实验及标定速度分析 | 第23-25页 |
| ·标定精度分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 4 基于多彩色空间的图像预处理技术 | 第28-38页 |
| ·引言 | 第28页 |
| ·彩色模型 | 第28-33页 |
| ·彩色模型概述 | 第28-29页 |
| ·RGB 彩色模型 | 第29-30页 |
| ·HSI 彩色模型 | 第30-31页 |
| ·RGB 与 HSI 模型间的转换 | 第31-32页 |
| ·彩色模型的选取 | 第32-33页 |
| ·图像的增强、平滑和锐化 | 第33-37页 |
| ·灰度图像增强 | 第33-34页 |
| ·基于 HSI 模型的彩色图像增强 | 第34-35页 |
| ·图像的平滑和锐化 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 5 基于颜色和边缘信息相结合的道路检测方法 | 第38-53页 |
| ·引言 | 第38页 |
| ·常用的道路检测方法 | 第38-41页 |
| ·道路检测中常用的假设 | 第38-39页 |
| ·常用方法的原理及特点分析 | 第39-41页 |
| ·基于颜色特征的道路图像灰度化 | 第41-43页 |
| ·彩色图像灰度化的常用方法 | 第41-42页 |
| ·基于引导线颜色特征的道路图像灰度化 | 第42-43页 |
| ·基于自适应 Canny 算子的边缘检测算法 | 第43-49页 |
| ·边缘检测概述及常用的边缘检测算子 | 第43-46页 |
| ·一种自适应 Canny 算子 | 第46-49页 |
| ·基于双阈值筛选 Hough 变换的直线检测算法 | 第49-52页 |
| ·Hough 变换基本原理 | 第49-50页 |
| ·基于双阈值筛选 Hough 变换的道路引导线检测 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 6 实验与结果分析 | 第53-60页 |
| ·基于颜色和边缘信息相结合的道路检测方法 | 第53-56页 |
| ·实验平台 | 第53页 |
| ·基于颜色特征的道路图像灰度化 | 第53-54页 |
| ·自适应 Canny 算子在道路图像边缘检测中的应用 | 第54-55页 |
| ·基于双阈值筛选 Hough 变换的道路引导线检测 | 第55-56页 |
| ·移动机器人视觉导航 | 第56-59页 |
| ·导航信息的计算 | 第56-57页 |
| ·移动机器人视觉导航实验 | 第57-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 7 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
| A.作者在攻读硕士学位期间发表的论文（专利）目录 | 第68页 |
| B.作者在攻读硕士学位期间取得的科研成果目录 | 第68页 |
