基于深度学习和多相机融合的实时目标检测和定位
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 相关工作 | 第14-20页 |
| 2.1 二维目标检测 | 第14-16页 |
| 2.1.1 传统检测方法 | 第14页 |
| 2.1.2 深度学习检测方法 | 第14-16页 |
| 2.2 姿态估计 | 第16-17页 |
| 2.3 三维目标检测和定位 | 第17-19页 |
| 2.4 三维空间的点匹配算法 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 SS3D网络架构 | 第20-35页 |
| 3.1 二维检测器 | 第21-30页 |
| 3.1.1 SSD候选框设计 | 第21-22页 |
| 3.1.2 候选框分布匹配 | 第22-25页 |
| 3.1.3 数据合成 | 第25-27页 |
| 3.1.4 色彩校正 | 第27-29页 |
| 3.1.5 预测模块 | 第29-30页 |
| 3.2 姿态估计 | 第30-31页 |
| 3.3 维度回归 | 第31页 |
| 3.4 损失函数 | 第31-32页 |
| 3.5 三维检测器 | 第32-33页 |
| 3.6 多视角融合 | 第33-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 实验结果及分析 | 第35-42页 |
| 4.1 二维检测和姿态估计 | 第35-40页 |
| 4.2 三维空间定位 | 第40-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 总结和展望 | 第42-45页 |
| 5.1 本文总结 | 第42页 |
| 5.2 局限性 | 第42-43页 |
| 5.3 研究展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第49-50页 |
| 学位论文评阅及答辩情况表 | 第50页 |
