| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 2 可通行区域检测的相关算法 | 第14-24页 |
| 2.1 基于直线模型的道路分割算法 | 第14-16页 |
| 2.1.1 Gabor纹理特征的提取 | 第14-15页 |
| 2.1.2 消失点的检测 | 第15页 |
| 2.1.3 道路边界直线模型的建立 | 第15-16页 |
| 2.1.4 算法优缺点 | 第16页 |
| 2.2 消失点约束的道路边界分割算法 | 第16-20页 |
| 2.2.1 可信赖的纹理主方向估计 | 第16-17页 |
| 2.2.2 局部自适应软投票 | 第17-18页 |
| 2.2.3 道路主边界的分割及消失点更新 | 第18-19页 |
| 2.2.4 算法优缺点 | 第19-20页 |
| 2.3 基于OTSU双阈值法的道路区域分割算法 | 第20-23页 |
| 2.3.1 灰度直方图的分析 | 第20-21页 |
| 2.3.2 峰值聚类 | 第21-22页 |
| 2.3.3 多颜色通道的融合 | 第22-23页 |
| 2.3.4 算法优缺点 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于加权投票的消失点检测 | 第24-38页 |
| 3.1 图像灰度化 | 第24页 |
| 3.2 Gabor纹理响应 | 第24-25页 |
| 3.3 Gabor纹理主方向的提取 | 第25-29页 |
| 3.3.1 置信度的计算 | 第25-26页 |
| 3.3.2 垂直投影校正 | 第26页 |
| 3.3.3 校正方法对比实验 | 第26-29页 |
| 3.4 投票权值的计算 | 第29-31页 |
| 3.5 加权投票 | 第31-33页 |
| 3.6 消失点检测实验 | 第33-37页 |
| 3.6.1 定性分析 | 第33-35页 |
| 3.6.2 定量分析 | 第35-37页 |
| 3.7 本章小结 | 第37-38页 |
| 4 基于Haar-Iike特征和纹理主方向的竖直障碍物检测 | 第38-49页 |
| 4.1 Haar-like特征 | 第38-39页 |
| 4.2 积分图的构造 | 第39-40页 |
| 4.3 白障碍物和黑障碍物 | 第40-41页 |
| 4.4 宽度线性特征矩形的提取 | 第41-43页 |
| 4.5 特征矩形的整合 | 第43-44页 |
| 4.6 特征矩形的扩展及筛选 | 第44-45页 |
| 4.7 竖直障碍物检测实验 | 第45-46页 |
| 4.8 消失点更新实验 | 第46-48页 |
| 4.9 本章小结 | 第48-49页 |
| 5 基于消失点的分段道路分割 | 第49-57页 |
| 5.1 HSV图像 | 第49页 |
| 5.2 方向一致率 | 第49-50页 |
| 5.3 颜色差 | 第50-51页 |
| 5.4 分段道路分割 | 第51-53页 |
| 5.5 道路分割实验 | 第53-56页 |
| 5.5.1 定性分析 | 第54-55页 |
| 5.5.2 定量分析 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 6 总结 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62页 |