单目视觉下车道偏离预警系统中的关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 国外技术发展现状 | 第14-15页 |
| 1.2.2 国内技术研究现状 | 第15-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 本文章节安排 | 第18-19页 |
| 第二章 车载摄像机参数的标定 | 第19-36页 |
| 2.1 摄像机成像模型 | 第19-21页 |
| 2.1.1 坐标系定义 | 第19-20页 |
| 2.1.2 坐标系间的转换关系 | 第20-21页 |
| 2.2 内部参数标定 | 第21-27页 |
| 2.2.1 张正友标定法原理 | 第21-24页 |
| 2.2.2 AFT-CT430高精度标定板 | 第24-26页 |
| 2.2.3 内部参数标定结果 | 第26-27页 |
| 2.3 外部参数标定 | 第27-31页 |
| 2.3.1 三线标定法概述 | 第27-28页 |
| 2.3.2 外部参数公式推导 | 第28-30页 |
| 2.3.3 三线标定法实现方式 | 第30-31页 |
| 2.3.4 外部参数标定结果 | 第31页 |
| 2.4 逆透视变换 | 第31-35页 |
| 2.4.1 逆透视变换公式推导 | 第31-33页 |
| 2.4.2 标定结果验证分析 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 道路图像的车道标线边缘增强 | 第36-49页 |
| 3.1 道路的约束条件 | 第36页 |
| 3.2 自适应确定感兴趣区域 | 第36-37页 |
| 3.3 道路图像的灰度化 | 第37-39页 |
| 3.3.1 平均值法 | 第38页 |
| 3.3.2 最大值法 | 第38页 |
| 3.3.3 加权平均法 | 第38页 |
| 3.3.4 灰度化结果分析 | 第38-39页 |
| 3.4 道路灰度图像的降噪处理 | 第39-41页 |
| 3.4.1 高斯滤波法 | 第39-40页 |
| 3.4.2 中值滤波法 | 第40页 |
| 3.4.3 改进的中值滤波 | 第40-41页 |
| 3.4.4 降噪结果分析 | 第41页 |
| 3.5 车道标线的边缘检测 | 第41-48页 |
| 3.5.1 常用的边缘检测算子 | 第42-45页 |
| 3.5.2 改进的万有引力边缘检测方法 | 第45-47页 |
| 3.5.3 边缘检测结果分析 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 车道标线的识别与追踪 | 第49-65页 |
| 4.1 车道标线模型 | 第49-50页 |
| 4.2 基于直线模型的车道标线检测 | 第50-56页 |
| 4.2.1 Hough变换 | 第51-52页 |
| 4.2.2 基于条件约束的Radon变换 | 第52-54页 |
| 4.2.3 算法分析 | 第54-56页 |
| 4.3 车道标线追踪 | 第56-61页 |
| 4.3.1 Kalman预测原理 | 第57-59页 |
| 4.3.2 车道标线的Kalman预测模型 | 第59-60页 |
| 4.3.3 算法分析及结果 | 第60-61页 |
| 4.4 基于抛物线模型的车道标线检测 | 第61-64页 |
| 4.4.1 最小二乘法 | 第61-62页 |
| 4.4.2 抛物线参数拟合公式推导 | 第62-63页 |
| 4.4.3 抛物线模型匹配 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 车道偏离预警决策及系统分析 | 第65-73页 |
| 5.1 常用的偏离预警决策模型 | 第65-66页 |
| 5.1.1 CCP模型 | 第65页 |
| 5.1.2 FOD模型 | 第65-66页 |
| 5.1.3 TLC模型 | 第66页 |
| 5.2 基于横向偏移量差分的偏离预警决策模型 | 第66-69页 |
| 5.2.1 车辆与车道标线的位置关系 | 第67-68页 |
| 5.2.2 模型描述 | 第68-69页 |
| 5.3 LDWS实验分析 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |
