| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关领域研究现状 | 第9-12页 |
| 1.2.1 辅助驾驶系统研究现状 | 第9-11页 |
| 1.2.2 相关视觉算法研究现状 | 第11-12页 |
| 1.3 研究内容与论文框架 | 第12-14页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 论文框架 | 第12-14页 |
| 第二章 汽车安全辅助驾驶系统的设计 | 第14-21页 |
| 2.1 系统基本结构 | 第14-17页 |
| 2.2 人机交互模块设计 | 第17-18页 |
| 2.2.1 交互模块功能选择 | 第17页 |
| 2.2.2 人机交互界面设计 | 第17-18页 |
| 2.3 系统硬软件平台 | 第18-20页 |
| 2.3.1 硬件平台选择 | 第18-19页 |
| 2.3.2 软件平台及环境 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 车道线检测与偏离预警 | 第21-33页 |
| 3.1 图像预处理 | 第21-24页 |
| 3.1.1 图像尺度缩放与检测区域划分 | 第21-22页 |
| 3.1.2 图像滤波 | 第22-24页 |
| 3.2 车道线检测 | 第24-28页 |
| 3.2.1 改进Canny的图像边缘检测 | 第24-26页 |
| 3.2.2 霍夫变换检测车道线 | 第26-28页 |
| 3.3 车道偏离预警 | 第28-32页 |
| 3.3.1 车道偏离预警模型 | 第28-30页 |
| 3.3.2 预警决策模型建立 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于深度学习的交通标志识别 | 第33-51页 |
| 4.1 交通标志数据集与预处理 | 第33-37页 |
| 4.1.1 GTSRB数据集 | 第33-34页 |
| 4.1.2 数据集预处理 | 第34-37页 |
| 4.1.3 二进制数据集制作 | 第37页 |
| 4.2 卷积神经网络 | 第37-40页 |
| 4.2.1 卷积运算 | 第38页 |
| 4.2.2 反向传播 | 第38-40页 |
| 4.3 基于改进SSD网络的交通标志识别 | 第40-50页 |
| 4.3.1 改进SSD网络模型 | 第41-44页 |
| 4.3.2 改进SSD网络模型建立 | 第44-47页 |
| 4.3.3 训练与验证测试 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于机器视觉的汽车辅助驾驶系统实验结果分析 | 第51-63页 |
| 5.1 车道线检测与偏离预警实验 | 第51-55页 |
| 5.1.1 实验条件 | 第51-52页 |
| 5.1.2 实验方法与结果分析 | 第52-55页 |
| 5.2 交通标志识别实验 | 第55-62页 |
| 5.2.1 实验条件 | 第55-56页 |
| 5.2.2 实验方法 | 第56-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63页 |
| 6.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 个人简历 在读期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |