乡村道路环境下的障碍物检测
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·课题背景——人工智能无人车研究 | 第7-10页 |
| ·人工智能无人车研究的意义 | 第7-8页 |
| ·人工智能无人车国内外研究现状 | 第8-10页 |
| ·非结构化道路环境下的障碍物检测 | 第10-13页 |
| ·非结构化道路 | 第10-12页 |
| ·道路障碍物检测 | 第12-13页 |
| ·课题的提出与论文安排 | 第13-16页 |
| ·课题的提出 | 第13-15页 |
| ·论文安排 | 第15-16页 |
| 2 图像预处理 | 第16-34页 |
| ·图像元素 | 第16-20页 |
| ·彩色图像 | 第16-18页 |
| ·灰度图像 | 第18-20页 |
| ·图像平滑 | 第20-25页 |
| ·平滑算法 | 第20-24页 |
| ·本文中的图像平滑 | 第24-25页 |
| ·图像锐化 | 第25-32页 |
| ·锐化算法 | 第25-31页 |
| ·本文中的图像锐化 | 第31-32页 |
| ·本章算法分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 障碍物检测系统实现 | 第34-46页 |
| ·支持向量机 | 第34-37页 |
| ·SVM原理 | 第34-36页 |
| ·LIBSVM | 第36-37页 |
| ·图像特征提取 | 第37-38页 |
| ·划分图像块 | 第37-38页 |
| ·特征提取 | 第38页 |
| ·SVM分类 | 第38-41页 |
| ·去除孤立块 | 第39-40页 |
| ·填补空洞 | 第40-41页 |
| ·障碍物框定 | 第41-44页 |
| ·道路边界标定 | 第41-42页 |
| ·标记障碍物 | 第42-44页 |
| ·障碍物简单测距 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 障碍物检测实验分析 | 第46-56页 |
| ·软硬件环境 | 第46页 |
| ·特征数据 | 第46-48页 |
| ·特征数据个数选取 | 第46页 |
| ·特征选取比较 | 第46-48页 |
| ·多种复杂环境实验 | 第48-53页 |
| ·乡村泥土路 | 第48-49页 |
| ·乡村公路 | 第49-50页 |
| ·弯道道路 | 第50-51页 |
| ·阴影道路 | 第51-53页 |
| ·实验结果与分析 | 第53-55页 |
| ·系统检测率分析 | 第53-54页 |
| ·系统效率分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 总结 | 第56-58页 |
| ·本文总结 | 第56-57页 |
| ·工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
