1. 研究目的与意义
为减少交通意外，圆无证人士驾驶之梦，无人驾驶汽车应运而生。无人驾驶汽车是一款人工智能型汽车，其主要依靠人工智能、视觉计算、雷达检测和全球定位系统等来实现无人驾驶。在无人驾驶系统中，对道路进行准确的感知是首要前提。为能更加高效的无人驾驶，对图像的采集及道路情况的分析都极为重要，而图像分割则是把图像分解成一些特定的性质或相似的部分即（区域或对象），并对部分对象进行分析。因此无人驾驶汽车需要根据行进中的实际路面来选取对道路的图像分割，这样才会大大提高无人驾驶汽车的安全性。
对图像中的路面部分进行提取，实则是对图像来进行分割。图像分割的方法主要有三种：一是阈值分割法即通过设定不同特征的阈值，把图像像素分为若干类；二是区域分割法包括区域生长和分裂合并法，前者是从某个或者某些像素点出发，最后得到整个区域，进而实现目标提取，而后者与前者相反；三是边缘分割法即不同的图像灰度不同，边界值一般有明显边缘，利用此特征进行分割图像。这些方法是基于灰度值的两个基本特征，其主要方法是边缘检测法。
道路识别的问题可以分为结构化道路和非结构化的道路。结构化的道路是指较为标准的道路，有清晰的道路线、高速公路、城市公路等较为典型的结构化道路。而非结构化道路则是往往没有规则可言，没有明显的道路线或是根本不存在道路线。而针对这一问题通常采用检测道路线法。
2. 研究内容与预期目标
一.研究内容
无人驾驶汽车是利用智能软件和车载传感器来感知车辆周围的环境，并根据感知获得道路、车辆位置和障碍物信息等,并做出及时的判断来控制车辆的速度和转向，从而使无人汽车能够安全可靠的在道路上行驶。
所谓的图像分割就是指把图像分割成多个图像子区域的过程。图像分割又包括灰度阈值分割法、区域分割法、边缘分割法等。而阈值分割方法具有计算量小、实现简单、性能稳定的特点而成为应用最广的技术。由于室外道路的环境具有复杂多变等特点，无法预测道路中出现的形态各异的物体以及其他不固定因素。因此要针对行进中道路和非道路的不同情况，并通过传统Otsu算法并加以改进，提出一种更为高效的无人驾驶中的道路分割方法。
3. 研究方法与步骤
Otsu（最大类间方差法），它是将整幅图像的灰度值划分为两组，分别求出两组的灰度值的均值和方差及协方差。当某一阈值划分的两组灰度协方差最大时，即阈值为整幅图像二值化的阈值。该方法能够快速自动适应的分割灰度值呈现理想的双峰图像。
采用传统Otsu阈值分割方法时，图像直方图存在多个峰值，背景、目标部分的边界存在模糊性，图像中值难以确定，导致该方法欠佳。因此将传统Otsu阈值分割方法加以改进。
对此采用以下步骤：
4. 参考文献
-
刘富，袁雨桐，李洋.基于纹理特征的非结构化道路分割算法[J].计算机应用，2015（s2):271-273.
-
王海，蔡英凤，贾允毅，等.基于深度卷积神经网络的场景自适应道路分割算法，2016年10月26日[J].电子与信息学报，2016（2）:263-269.
-
李迎春，付兴建，薛琴.基于RGB熵的非结构化道路分割方法[J].计算机工程与设计，2017,38（6）:1570-1574.
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！5. 工作计划
3.05--3.20，熟悉课题背景，查阅资料，完成开题。
3.21--4.20，开展课题工作，完成课题的主要实验工作。
4.21--5.20，撰写毕设论文初稿。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
