| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 本课题研究的背景和意义 | 第10-12页 |
| 1.2 车道偏离预警系统的发展与现状 | 第12-15页 |
| 1.2.1 基于视觉的汽车主动安全技术 | 第12-13页 |
| 1.2.2 基于视觉技术的车道偏离预警系统 | 第13-15页 |
| 1.3 论文的主要研究内容 | 第15页 |
| 1.4 论文的组织 | 第15-17页 |
| 第二章 车道识别问题研究 | 第17-36页 |
| 2.1 车道模型 | 第17-24页 |
| 2.1.1 常用的车道模型 | 第18-19页 |
| 2.1.2 车道成像模型 | 第19-24页 |
| 2.2 结构化车道特征 | 第24-25页 |
| 2.3 车道边线检测中的特征点提取 | 第25-30页 |
| 2.3.1 基于灰度的特征点提取 | 第25-26页 |
| 2.3.2 基于边缘的特征点提取 | 第26-30页 |
| 2.3.2.1 边缘检测算子 | 第26-28页 |
| 2.3.2.2 梯度统计特征 | 第28-30页 |
| 2.4 车道参数提取方法 | 第30-34页 |
| 2.4.1 最小二乘法 | 第30-32页 |
| 2.4.2 Hough 变换 | 第32-33页 |
| 2.4.3 最大后验估计 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于单目视觉的车道识别与跟踪 | 第36-62页 |
| 3.1 卡尔曼滤波器 | 第36-38页 |
| 3.1.1 经典卡尔曼滤波器 | 第36-37页 |
| 3.1.2 自适应卡尔曼滤波器 | 第37-38页 |
| 3.2 车道边界检测 | 第38-54页 |
| 3.2.1 感兴趣区域的划分 | 第39-40页 |
| 3.2.2 边缘阈值分割 | 第40-41页 |
| 3.2.3 边缘的卡尔曼滤波模型 | 第41-42页 |
| 3.2.4 边缘的提取 | 第42-44页 |
| 3.2.5 车道边线的初步筛选 | 第44-49页 |
| 3.2.5.1 种子边缘生成 | 第45-46页 |
| 3.2.5.2 平行线组参数提取 | 第46-48页 |
| 3.2.5.3 平行线组筛选 | 第48-49页 |
| 3.2.6 车道边线的锁定 | 第49-54页 |
| 3.2.6.1 结构化车道边线的识别 | 第49页 |
| 3.2.6.2 车道边线参数及误差 | 第49-50页 |
| 3.2.6.3 基于概率模型的车道边线判别 | 第50-54页 |
| 3.3 车道边界跟踪 | 第54-59页 |
| 3.3.1 感兴趣区域划分 | 第54-55页 |
| 3.3.2 车道边界提取 | 第55-58页 |
| 3.3.3 车道边界参数滤波模型 | 第58-59页 |
| 3.4 本章小结 | 第59-62页 |
| 第四章 车道偏离预警 | 第62-69页 |
| 4.1 车道偏离预警模型概述 | 第62-64页 |
| 4.1.1 基于车辆当前位置的 CCP 模型 | 第62-63页 |
| 4.1.2 基于未来偏离量差异的 FOD 模型 | 第63页 |
| 4.1.3 基于车辆横越车道边界时间的 TLC 模型 | 第63-64页 |
| 4.2 车道偏离预警模型建立 | 第64-67页 |
| 4.2.1 车辆当前位置的计算 | 第64-65页 |
| 4.2.2 车道偏离判别 | 第65-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第五章 系统测试 | 第69-81页 |
| 5.1 车道线初始检测算法测试 | 第69-74页 |
| 5.2 车道线跟踪算法测试 | 第74-77页 |
| 5.3 车道偏离告警测试 | 第77-79页 |
| 5.4 本章小结 | 第79-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 附录 | 第89页 |