基于DS证据理论不同光照条件下道路边界识别方法
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·智能车辆概述 | 第9-10页 |
| ·智能车辆机器视觉技术的国内外研究现状 | 第10-12页 |
| ·本课题研究的意义、主要内容 | 第12-14页 |
| 第2章 不同光照条件下道路边界识别 | 第14-34页 |
| ·传统识别方法中预处理过程及结果分析 | 第14-18页 |
| ·图像预处理过程 | 第14-16页 |
| ·图像预处理效果及分析 | 第16-18页 |
| ·图像获取与道路边界模型建立 | 第18-19页 |
| ·道路边界特征分析 | 第19-21页 |
| ·道路边界特征提取 | 第21-24页 |
| ·特征单元选取 | 第21-22页 |
| ·道路边界局部特征选取 | 第22-24页 |
| ·目标函数中统计单元的选取 | 第24页 |
| ·DS 证据理论 | 第24-26页 |
| ·目标函数的建立 | 第26-28页 |
| ·检验阈值的选取 | 第28-30页 |
| ·蚁群算法在道路识别中的应用 | 第30-33页 |
| ·蚁群算法概述 | 第30页 |
| ·节点和路径的生成 | 第30-31页 |
| ·信息素的设置与更新原则 | 第31-32页 |
| ·蚂蚁爬行路径的选择 | 第32页 |
| ·用蚁群算法优化抛物线参数的步骤 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于DSP 道路边界识别系统开发与优化 | 第34-48页 |
| ·TMS320DM642 基本介绍 | 第34-37页 |
| ·TMS320DM642 CPU 结构 | 第34-35页 |
| ·CPU 的数据通路 | 第35-37页 |
| ·TMS320DM642 集成外设 | 第37页 |
| ·系统设计 | 第37-43页 |
| ·系统硬件设计 | 第37-39页 |
| ·TMS320DM642 视频驱动 | 第39-40页 |
| ·嵌入式操作系统设计 | 第40-41页 |
| ·系统的程序设计 | 第41-43页 |
| ·程序优化 | 第43-46页 |
| ·应用层优化 | 第43页 |
| ·代码层优化 | 第43-45页 |
| ·汇编代码级优化 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 不同光照道路边界识别实验 | 第48-60页 |
| ·试验所用设备 | 第48-53页 |
| ·光学CCD 摄像机 | 第48-49页 |
| ·摄像机镜头 | 第49-51页 |
| ·TMS320DM642 DSP 处理器 | 第51-52页 |
| ·光强传感器 | 第52-53页 |
| ·红外灯 | 第53页 |
| ·实验过程 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
