摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-23页 |
1.1 引言 | 第11-12页 |
1.2 智能车辆技术概述 | 第12-17页 |
1.2.1 国外智能车辆概况 | 第12-15页 |
1.2.2 国内智能车辆概况 | 第15-16页 |
1.2.3 成熟的智能车辆辅助驾驶产品 | 第16-17页 |
1.3 基于视觉的智能车导航技术 | 第17-20页 |
1.3.1 视觉导航技术优点 | 第17-18页 |
1.3.2 基于机器视觉的道路识别 | 第18页 |
1.3.3 基于机器视觉的前方车辆识别 | 第18-19页 |
1.3.4 存在问题与课题需求 | 第19-20页 |
1.4 课题方案及主要研究内容 | 第20-23页 |
1.4.1 课题总体方案 | 第20-21页 |
1.4.2 课题研究内容与意义 | 第21-23页 |
第2章 图像预处理 | 第23-31页 |
2.1 引言 | 第23页 |
2.2 灰度化 | 第23-25页 |
2.3 图像降噪 | 第25-27页 |
2.4 图像增强 | 第27-29页 |
2.4.1 光照强度分类 | 第27-28页 |
2.4.2 灰度拉伸 | 第28-29页 |
2.5 本章小结 | 第29-31页 |
第3章 三车道检测与跟踪 | 第31-59页 |
3.1 引言 | 第31-32页 |
3.2 车道线预处理 | 第32-38页 |
3.2.1 车道线分割算法 | 第32-33页 |
3.2.2 TopHat算法 | 第33-34页 |
3.2.3 变内核TopHat算法增强直线车道线 | 第34-36页 |
3.2.4 边缘检测 | 第36-38页 |
3.3 基于直线模型的多车道线定位 | 第38-44页 |
3.3.1 基于双抛物线密度函数的Hough变换 | 第38-40页 |
3.3.2 基于加权最小二乘法(WLS)的道路消失点拟合 | 第40-42页 |
3.3.3 直线聚类 | 第42页 |
3.3.4 直线车道模板匹配 | 第42-44页 |
3.4 曲线车道线搜索及拟合 | 第44-48页 |
3.4.1 车道线搜索ROI划定 | 第44-45页 |
3.4.2 近视景区ROI | 第45-46页 |
3.4.3 远视景区ROI及种子点的迭代搜索 | 第46页 |
3.4.4 车道线拟合 | 第46-48页 |
3.5 车道线KALMAN滤波 | 第48-51页 |
3.5.1 Kalman滤波器算法 | 第49-50页 |
3.5.2 车道线的Kalman滤波器模型 | 第50-51页 |
3.6 多车道可行驶性判定 | 第51-53页 |
3.6.1 多车道环境的可行驶性问题 | 第51-52页 |
3.6.2 基于随机投种法的边侧车道可行驶性判定 | 第52-53页 |
3.7 实验与分析 | 第53-57页 |
3.8 本章小结 | 第57-59页 |
第4章 基于多特征的车辆识别方法 | 第59-71页 |
4.1 引言 | 第59-60页 |
4.2 基于图像熵的车辆识别 | 第60-64页 |
4.2.1 图像熵搜索 | 第60-62页 |
4.2.2 熵单元格合并 | 第62-63页 |
4.2.3 车辆边缘确定 | 第63-64页 |
4.3 基于车辆阴影的车辆判别方法 | 第64-66页 |
4.3.1 道路灰度提取与判定 | 第65页 |
4.3.2 底盘阴影提取与判定 | 第65-66页 |
4.4 基于KALMAN滤波的车辆跟踪与预测 | 第66-68页 |
4.5 实验与分析 | 第68-70页 |
4.6 本章小结 | 第70-71页 |
第5章 坐标变换和状态预警 | 第71-81页 |
5.1 引言 | 第71页 |
5.2 摄像机坐标变换 | 第71-76页 |
5.2.1 摄像机模型 | 第72页 |
5.2.2 坐标转换 | 第72-76页 |
5.3 车辆定位 | 第76-77页 |
5.4 车辆状态预警 | 第77-80页 |
5.5 本章小结 | 第80-81页 |
第6章 行车辅助软件与智能车硬件平台 | 第81-91页 |
6.1 引言 | 第81页 |
6.2 软件平台 | 第81-87页 |
6.2.1 软件平台构建 | 第82-83页 |
6.2.2 软件平台模块及功能 | 第83-87页 |
6.3 智能车实验平台 | 第87-88页 |
6.4 摄像机安装及标定 | 第88-90页 |
6.5 本章小结 | 第90-91页 |
结论与展望 | 第91-93页 |
参考文献 | 第93-99页 |
攻读硕士学位期间发表的学术论文 | 第99-101页 |
致谢 | 第101页 |