| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-15页 |
| 1．1 课题学术和实用意义及来源 | 第8-10页 |
| 1．2 国内外现状与技术发展趋势 | 第10-12页 |
| 1．3 研究的目的、内容 | 第12-13页 |
| 1．4 研究方法、技术路线、实验方案和可行性分析 | 第13-14页 |
| 1．5 本论文的研究重点和独特创新之处 | 第14-15页 |
| 2 汽车主动安全系统 | 第15-29页 |
| 2．1 主动安全与智能汽车 ． | 第15-22页 |
| 2．1．1 汽车安全的分类 | 第15-16页 |
| 2．1．2 汽车主动安全的内容和发展现状 | 第16-18页 |
| 2．1．3 智能汽车的发展 | 第18-19页 |
| 2．1．4 智能型汽车对环境信息的机器感知模型及实现 | 第19-22页 |
| 2．2 主动安全驾驶系统的软件构成 | 第22-25页 |
| 2．2．1 并行处理的概念 | 第22页 |
| 2．2．2 Windows操作系统对并行任务的实现 | 第22-23页 |
| 2．2．3 软件模块结构和时序分析 | 第23-25页 |
| 2．3 主动安全驾驶系统的硬件构成 | 第25-28页 |
| 2．3．1 系统装置的安装布置 | 第25页 |
| 2．3．2 DSP数字处理芯片系统 | 第25-26页 |
| 2．3．3 基于DSP的系统硬件框图 | 第26-28页 |
| 2．4 本章小结 | 第28-29页 |
| 3 计算机视觉技术与ITS | 第29-43页 |
| 3．1 计算机视觉概述 | 第29-34页 |
| 3．1．1 Marr的计算机视觉理论及 ． | 第29-31页 |
| 3．1．2 计算机视觉发展现状及存在的主要困难 | 第31-32页 |
| 3．1．3 计算机视觉成像模型 | 第32-34页 |
| 3．2 基于单幅图像的处理技术 ． | 第34-36页 |
| 3．2．1 边缘提取 | 第34-35页 |
| 3．2．2 区域分割 | 第35-36页 |
| 3．2．3 目标识别 | 第36页 |
| 3．3 基于视频流（图像序列）的运动估计 | 第36-41页 |
| 3．3．1 2D运动估计 | 第37-38页 |
| 3．3．2 光流估计 | 第38-40页 |
| 3．3．3 3 D运动估计 | 第40-41页 |
| 3．4 计算机视觉技术在ITS中的应用 | 第41-42页 |
| 3．5 本章小结 | 第42-43页 |
| 4 道路检测与识别子系统 | 第43-60页 |
| 4．1 小波变换与小波边缘检测 | 第43-46页 |
| 4．1．1 小波变换的概述和应用 | 第43-44页 |
| 4．1．2 小波变换用于信号奇异性检测和图像的边缘检测 | 第44-45页 |
| 4．1．3 小波的工程应用和Mallet快速算法 | 第45-46页 |
| 4．2 小波滤波器的道路边缘检测 | 第46-50页 |
| 4．2．1 道路边缘线灰度特征模型 | 第46-47页 |
| 4．2．2 基于Bubble小波的多尺度边缘检测进行道路边缘处理 | 第47-50页 |
| 4．3 基于区域生长和最小二乘法的道路检测和弯曲方向检测 | 第50-55页 |
| 4．3．1 区域生长和最小二乘法原理 | 第50-51页 |
| 4．3．2 道路模型的建立 | 第51页 |
| 4．3．3 算法描述 | 第51-52页 |
| 4．3．4 算法的应用改进 | 第52-55页 |
| 4．4 基于FOE的道路弯曲方向检测 | 第55-59页 |
| 4．4．1 FOE的概念 | 第55-56页 |
| 4．4．2 基于光流的FOE推导算法 | 第56-58页 |
| 4．4．3 道路弯曲方向的检测 | 第58-59页 |
| 4．5 本章小结 | 第59-60页 |
| 5 基于图像分割的障碍物检测 | 第60-76页 |
| 5．1 图像的目标分割 | 第60-65页 |
| 5．1．1 图像目标分割的基本概念和原理 | 第60-61页 |
| 5．1．2 单幅图像分割算法的研究 | 第61页 |
| 5．1．3 多阈值图像目标分割 | 第61-64页 |
| 5．1．4 图像序列的目标分割 | 第64-65页 |
| 5．2 障碍物实时检测 | 第65-71页 |
| 5．2．1 基于图像分割的障碍物的检测 | 第66-67页 |
| 5．2．2 障碍物检测区域的粗定位 | 第67页 |
| 5．2．3 障碍物识别的特征向量选取 | 第67-71页 |
| 5．3 障碍物跟踪 | 第71-74页 |
| 5．3．1 目标跟踪系统的原理设计 | 第71页 |
| 5．3．2 图像目标跟踪系统功能模块设计 | 第71-74页 |
| 5．4 本章小结 | 第74-76页 |
| 6 障碍物距离测量 | 第76-88页 |
| 6．1 机器视觉原理与障碍物测距 | 第76-77页 |
| 6．2 景物－图像的几何模型 | 第77-78页 |
| 6．3 基于单目视觉的结构化道路障碍物测距模型 | 第78-81页 |
| 6．4 摄像机参数的标 | 第81-82页 |
| 6．4．1 焦距f的标定 | 第81页 |
| 6．4．2 主光轴与地面交角θ的标定 | 第81-82页 |
| 6．5 后向CCD检测 | 第82-87页 |
| 6．5．1 后向检测的系统描述 | 第82-83页 |
| 6．5．2 前向检测与后向检测的差异 | 第83-84页 |
| 6．5．3 图像抖动的处理 | 第84页 |
| 6．5．4 后向检测的图像恢复 | 第84-85页 |
| 6．5．5 图像模糊程度的估计 | 第85-86页 |
| 6．5．6 检测结果滤波 | 第86-87页 |
| 6．6 本章小结 | 第87-88页 |
| 7 结论 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第95页 |
