在城市道路场景下基于稀疏三维点云的目标识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-12页 |
| 1.2 国内外的研究现状及分析 | 第12-15页 |
| 1.2.1 地面点识别研究现状 | 第12-13页 |
| 1.2.2 目标物体分割研究现状 | 第13-14页 |
| 1.2.3 目标物体分类研究现状 | 第14页 |
| 1.2.4 国内外研究现状分析 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 第2章 系统总体方案 | 第16-20页 |
| 2.1 硬件系统 | 第16-18页 |
| 2.2 算法框架 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 目标物体分割 | 第20-34页 |
| 3.1 引言 | 第20页 |
| 3.2 地面识别 | 第20-21页 |
| 3.3 分割算法框架 | 第21-22页 |
| 3.4 初步分割 | 第22-29页 |
| 3.4.1 栅格图建立 | 第22-24页 |
| 3.4.2 未占用空间检测 | 第24-27页 |
| 3.4.3 点云标记 | 第27-29页 |
| 3.5 分割修正 | 第29-33页 |
| 3.5.1 区域生长 | 第29-30页 |
| 3.5.2 分割错误修正 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 目标物体分类 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 目标物体分类框架 | 第34-35页 |
| 4.3 目标分类离线过程 | 第35-38页 |
| 4.3.1 基于跟踪的快速样本标记 | 第35-37页 |
| 4.3.2 支持向量机分类器训练 | 第37-38页 |
| 4.4 目标分类在线过程 | 第38-42页 |
| 4.4.1 目标特征提取 | 第38-42页 |
| 4.4.2 分类器分类 | 第42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验验证与分析 | 第43-50页 |
| 5.1 分割算法验证 | 第43-46页 |
| 5.2 目标分类实验 | 第46-49页 |
| 5.3 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
