基于视觉传感器的结构化道路车道线识别算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 车道线检测跟踪研究概况 | 第12-15页 |
| 1.2.2 车道线检测算法研究现状 | 第15-17页 |
| 1.2.3 车道线跟踪算法研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 2 图像透视变换及相机标定 | 第20-34页 |
| 2.1 相机透视变换 | 第20-27页 |
| 2.1.1 空间坐标描述 | 第20-22页 |
| 2.1.2 成像坐标计算 | 第22-26页 |
| 2.1.3 消失点计算 | 第26-27页 |
| 2.2 相机标定 | 第27-33页 |
| 2.2.1 透镜畸变 | 第28页 |
| 2.2.2 相机标定方法 | 第28-33页 |
| 2.3 本章小结 | 第33-34页 |
| 3 车道线识别 | 第34-50页 |
| 3.1 图像前处理 | 第34-37页 |
| 3.1.1 灰度化 | 第34页 |
| 3.1.2 图像滤波 | 第34-36页 |
| 3.1.3 阈值划分 | 第36-37页 |
| 3.2 车道线初步识别 | 第37-40页 |
| 3.2.1 车道线群组归类 | 第37-38页 |
| 3.2.2 车道线区域划定 | 第38-40页 |
| 3.3 车道线初步拟合 | 第40-48页 |
| 3.3.1 RANSAC算法简介 | 第40-41页 |
| 3.3.2 车道线点集合 | 第41-42页 |
| 3.3.3 曲线拟合 | 第42-48页 |
| 3.3.3.1 贝赛尔曲线简介 | 第42-43页 |
| 3.3.3.2 贝塞尔曲线拟合 | 第43-47页 |
| 3.3.3.3 曲线后处理 | 第47-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 车道线跟踪 | 第50-60页 |
| 4.1 粒子滤波算法 | 第50-51页 |
| 4.2 卡尔曼滤波算法 | 第51-59页 |
| 4.2.1 卡尔曼滤波算法 | 第51-53页 |
| 4.2.2 车道线跟踪模型 | 第53-54页 |
| 4.2.3 噪声参数计算 | 第54-56页 |
| 4.2.4 卡尔曼滤波算法实现 | 第56-59页 |
| 4.3 本章小结 | 第59-60页 |
| 5 车道线检测与卡尔曼滤波算法的试验评估 | 第60-73页 |
| 5.1 试验环境及设备 | 第60-62页 |
| 5.1.1 算法构架 | 第60-61页 |
| 5.1.2 试验设备 | 第61-62页 |
| 5.2 试验工况 | 第62-63页 |
| 5.3 算法评估 | 第63-72页 |
| 5.3.1 算法评估方法 | 第63-65页 |
| 5.3.2 算法评估 | 第65-72页 |
| 5.3.2.1 算法评估一 | 第65-70页 |
| 5.3.2.2 算法评估二 | 第70-72页 |
| 5.3.3 评估结果 | 第72页 |
| 5.4 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表论文及科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |
