基于视觉的全天时车外安全检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·论文研究的背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·发展趋势和难点 | 第10-11页 |
| ·本文主要工作 | 第11-12页 |
| ·本文的结构 | 第12-13页 |
| 2 摄像机设置与坐标系的建立 | 第13-17页 |
| ·投影模型 | 第13-14页 |
| ·摄像机的设置 | 第14-16页 |
| ·坐标变换 | 第16页 |
| ·小结 | 第16-17页 |
| 3 全天时结构化道路多行道线检测算法 | 第17-50页 |
| ·引言 | 第17-19页 |
| ·基于特征的识别方法 | 第17-18页 |
| ·基于模型的识别方法 | 第18页 |
| ·研究目标 | 第18-19页 |
| ·检测算法总体流程 | 第19-20页 |
| ·图像预处理 | 第20-36页 |
| ·行道线特征检测及边缘搜索 | 第21-26页 |
| ·二次搜索 | 第26-27页 |
| ·二值化中对于雨水噪声的抑制 | 第27-31页 |
| ·信息约束率的确定 | 第31-33页 |
| ·最小幅度约束条件阈值确定 | 第33-35页 |
| ·小结 | 第35-36页 |
| ·行道线检测 | 第36-43页 |
| ·帧内检测 | 第37-40页 |
| ·帧间行道线检测 | 第40-43页 |
| ·小结 | 第43页 |
| ·算法有效性和效率分析 | 第43-49页 |
| ·小结 | 第49-50页 |
| 4 夜间前方车辆检测算法 | 第50-73页 |
| ·引言 | 第50-51页 |
| ·灰度化及二值分割 | 第51-52页 |
| ·夜间前方车辆动态假设模板与其匹配 | 第52-58页 |
| ·简单模板匹配 | 第52-55页 |
| ·积分图算法简介 | 第55-56页 |
| ·窗口合并 | 第56-58页 |
| ·基于AdaBoost算法的夜间车辆检测 | 第58-65页 |
| ·分类器的总体框架 | 第59-61页 |
| ·Harr-like特征 | 第61页 |
| ·分类器的训练 | 第61-62页 |
| ·样本的选择 | 第62-64页 |
| ·分类器的使用 | 第64-65页 |
| ·夜间车辆检测算法的整体结构和流程 | 第65-66页 |
| ·算法的有效性分析 | 第66-72页 |
| ·小结 | 第72-73页 |
| 5 总结和展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
