城市道路场景下基于稀疏三维点云的多运动目标实时追踪
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.1.1 课题的研究背景 | 第8-9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 地面点识别的研究现状 | 第11页 |
| 1.2.2 目标分割的研究现状 | 第11-12页 |
| 1.2.3 目标追踪的研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-16页 |
| 第2章 基于稀疏三维点云的障碍物检测 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 原始点云预处理 | 第16-17页 |
| 2.2.1 接收和滤波 | 第16-17页 |
| 2.2.2 感兴趣区域选取 | 第17页 |
| 2.3 地面点识别 | 第17-26页 |
| 2.3.1 局部特征计算 | 第18-20页 |
| 2.3.2 弱分类器 | 第20-21页 |
| 2.3.3 统计特征计算 | 第21-22页 |
| 2.3.4 地面点估计 | 第22-26页 |
| 2.4 障碍物检测 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于稀疏三维点云的目标追踪 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 运动模型 | 第28-30页 |
| 3.2.1 矩形模型 | 第28-29页 |
| 3.2.2 中心点矫正 | 第29-30页 |
| 3.3 目标关联 | 第30-36页 |
| 3.3.1 关联算法 | 第30-31页 |
| 3.3.2 关联特征选取 | 第31-32页 |
| 3.3.3 关联假设生成 | 第32-33页 |
| 3.3.4 关联矩阵 | 第33-34页 |
| 3.3.5 二次关联 | 第34-36页 |
| 3.4 滤波追踪 | 第36-41页 |
| 3.4.1 卡尔曼滤波 | 第37-38页 |
| 3.4.2 平滑滤波 | 第38页 |
| 3.4.3 目标的运动状态 | 第38-39页 |
| 3.4.4 处理低速目标 | 第39页 |
| 3.4.5 绝对速度计算 | 第39-40页 |
| 3.4.6 追踪的数据结构 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 实验验证分析 | 第42-49页 |
| 4.1 引言 | 第42页 |
| 4.2 系统平台 | 第42-43页 |
| 4.3 关联算法的验证 | 第43页 |
| 4.4 追踪实验 | 第43-48页 |
| 4.4.1 卡尔曼滤波 | 第43-44页 |
| 4.4.2 平滑滤波 | 第44-45页 |
| 4.4.3 追踪算法的验证 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57页 |
