室外移动机器人可行路视觉检测算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·论文的研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·面向非结构化道路的智能移动机器人系统 | 第10-12页 |
| ·面向高速公路的智能机器人系统 | 第12页 |
| ·道路检测系统的相关技术研究 | 第12-14页 |
| ·当前可行路视觉检测系统面临的问题 | 第14-15页 |
| ·本课题的主要研究内容 | 第15-17页 |
| 第2章 可行路图像预处理的基础知识 | 第17-35页 |
| ·图像的数字化描述 | 第17-19页 |
| ·可行路图像颜色模型的表达 | 第19-22页 |
| ·RGB 颜色模型 | 第19-20页 |
| ·HIS 颜色模型 | 第20-21页 |
| ·可行路图像颜色模型的选取 | 第21-22页 |
| ·可行路图像的滤波 | 第22-26页 |
| ·图像滤波常用算法 | 第22-25页 |
| ·可行路图像滤波的仿真结果对比 | 第25-26页 |
| ·可行路图像的边缘增强 | 第26-29页 |
| ·边缘增强常用算法 | 第27-28页 |
| ·可行路图像边缘增强的仿真结果对比 | 第28-29页 |
| ·可行路图像的阈值分割 | 第29-34页 |
| ·阈值选取常用算法 | 第30-32页 |
| ·可行路阈值分割的仿真结果对比 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 可行路视觉检测算法研究 | 第35-45页 |
| ·可行路检测算法常用基本假设 | 第35-36页 |
| ·算法总体设计方案 | 第36页 |
| ·一次分类模块 | 第36-37页 |
| ·可行路图像的预处理 | 第36页 |
| ·最大类间方差法一次分类 | 第36-37页 |
| ·二次分类模块 | 第37-38页 |
| ·最大类间方差法的局限 | 第37-38页 |
| ·最大类间方差法二次分类 | 第38页 |
| ·部分区域重组 | 第38-39页 |
| ·合并可行路类别 | 第39-40页 |
| ·实验结果与分析 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 侧部摄像机可行路车道线检测与跟踪 | 第45-59页 |
| ·车道线模型的建立 | 第45-48页 |
| ·道路的先验模型 | 第46-47页 |
| ·车道线几何模型的数学表达 | 第47-48页 |
| ·基于HOUGH 变换的可行路车道线检测与跟踪 | 第48-51页 |
| ·HOUGH 变换检测直线算法简介 | 第48-49页 |
| ·车道线的检测与跟踪算法 | 第49-50页 |
| ·实验结果与分析 | 第50-51页 |
| ·基于边缘梯度抑制的车道线检测与跟踪 | 第51-58页 |
| ·基于Sobel 算子的梯度信息获取 | 第51-52页 |
| ·梯度方向的链码表达 | 第52-53页 |
| ·基于最小二乘法的边缘点拟合 | 第53-56页 |
| ·车道线边缘点跟踪算法 | 第56页 |
| ·实验结果与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |
