| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 课题背景和意义 | 第12-15页 |
| 1.1.1 车道线识别系统和智能交通系统发展概况 | 第12-14页 |
| 1.1.2 阅兵车辆方队简述 | 第14-15页 |
| 1.2 基于车道线识别的阅兵车辆训练及考核系统简述 | 第15-18页 |
| 1.2.1 原始图像采集及其预处理 | 第16-17页 |
| 1.2.2 车道线边缘检测 | 第17页 |
| 1.2.3 车道线边缘拟合及车辆偏移距离计算 | 第17页 |
| 1.2.4 传输部分和考核部分 | 第17-18页 |
| 1.3 论文主要研究内容及框架安排 | 第18-20页 |
| 2 原始图像采集及其预处理 | 第20-30页 |
| 2.1 原始图像采集 | 第20页 |
| 2.2 图像预处理 | 第20-24页 |
| 2.2.1 灰度化及二值化 | 第20-22页 |
| 2.2.2 最大类间方差法 | 第22-23页 |
| 2.2.3 最小误差法 | 第23-24页 |
| 2.3 混合正态分布法 | 第24-26页 |
| 2.4 二值化算法分析 | 第26-28页 |
| 2.4.1 算法结构 | 第26-27页 |
| 2.4.2 二值化效果 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 车道线边缘检测 | 第30-40页 |
| 3.1 经典的边缘检测算法 | 第30-35页 |
| 3.1.1 基于一阶微分的边缘检测 | 第30-32页 |
| 3.1.2 基于二阶微分的边缘检测 | 第32-33页 |
| 3.1.3 Canny边缘检测 | 第33-35页 |
| 3.2 改进Canny边缘检测 | 第35-36页 |
| 3.3 边缘检测算法分析 | 第36-38页 |
| 3.3.1 基于一阶微分的边缘检测算法分析 | 第37页 |
| 3.3.2 基于二阶微分的边缘检测算法分析 | 第37页 |
| 3.3.3 Canny边缘检测算法分析 | 第37-38页 |
| 3.3.4 改进的Canny边缘检测算法分析 | 第38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 车道线边缘拟合及车辆偏移距离计算 | 第40-52页 |
| 4.1 Hough变换 | 第40-42页 |
| 4.2 三次B样条曲线拟合 | 第42-44页 |
| 4.3 基于边缘特征的车道线拟合 | 第44-46页 |
| 4.4 车辆偏移距离 | 第46-49页 |
| 4.4.1 偏移距离计算 | 第47-48页 |
| 4.4.2 普通采集距离与标准距离的转换 | 第48-49页 |
| 4.5 边缘拟合算法分析 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 实验与讨论 | 第52-74页 |
| 5.1 二值化实验 | 第52-54页 |
| 5.2 边缘化实验 | 第54-58页 |
| 5.3 综合实验 | 第58-72页 |
| 5.3.1 室内识别实验 | 第59-60页 |
| 5.3.2 偏移距离实验 | 第60-68页 |
| 5.3.3 白天实验 | 第68-70页 |
| 5.3.4 夜间实验 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 基于车道线识别的阅兵车辆训练及考核系统 | 第74-84页 |
| 6.1 识别部分 | 第74页 |
| 6.2 传输部分 | 第74-80页 |
| 6.2.1 本项目使用的ZigBee模块 | 第75-77页 |
| 6.2.2 ZigBee模块测试 | 第77-79页 |
| 6.2.3 发送和接收程序 | 第79-80页 |
| 6.3 考核部分 | 第80-82页 |
| 6.3.1 偏移曲线 | 第80-81页 |
| 6.3.2 进行评分 | 第81-82页 |
| 6.4 本章小结 | 第82-84页 |
| 7 总结与展望 | 第84-86页 |
| 7.1 总结 | 第84-85页 |
| 7.2 展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 作者简历 | 第90-94页 |
| 学位论文数据集 | 第94页 |