路面箭头识别方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-15页 |
| 1.2.1 路面箭头识别技术的研究概况 | 第12-13页 |
| 1.2.2 路面箭头识别技术的主要方法及分析 | 第13-15页 |
| 1.3 路面箭头识别存在的困难 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-19页 |
| 1.4.1 本文的主要研究内容 | 第16-17页 |
| 1.4.2 本文的组织结构 | 第17-19页 |
| 第2章 候选区域提取 | 第19-31页 |
| 2.1 图像灰度化 | 第19-21页 |
| 2.1.1 图像灰度化的好处 | 第19页 |
| 2.1.2 图像灰度化的方法 | 第19-21页 |
| 2.2 俯视图转换 | 第21-25页 |
| 2.2.1 各坐标系的转换关系 | 第21-22页 |
| 2.2.2 相机线性模型 | 第22-23页 |
| 2.2.3 逆透视变换 | 第23-25页 |
| 2.3 候选区域提取 | 第25-30页 |
| 2.3.1 切片滤波 | 第25-27页 |
| 2.3.2 候选区域提取 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 路面箭头识别 | 第31-42页 |
| 3.1 算法流程 | 第31-33页 |
| 3.2 特征提取 | 第33-35页 |
| 3.2.1 类Haar特征构造 | 第33-34页 |
| 3.2.2 类Haar特征计算 | 第34页 |
| 3.2.3 类Haar特征集合 | 第34-35页 |
| 3.3 生成Adaboost弱分类器 | 第35-36页 |
| 3.4 生成Adaboost强分类器 | 第36-38页 |
| 3.4.1 Adaboost强分类器 | 第36-38页 |
| 3.4.2 级联Adaboost分类器 | 第38页 |
| 3.5 识别结构 | 第38-41页 |
| 3.5.1 Gabor小波 | 第39-40页 |
| 3.5.2 结构设计 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 多帧图像融合 | 第42-47页 |
| 4.1 算法流程 | 第42-44页 |
| 4.2 特征提取 | 第44-45页 |
| 4.3 特征匹配 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实验结果与分析 | 第47-51页 |
| 5.1 实验数据及来源 | 第47-48页 |
| 5.2 实验结果分析 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 本文的工作总结 | 第51-52页 |
| 6.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
