三维点云数据滤波和分类算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 LiDAR系统发展现状 | 第9-10页 |
| 1.2.2 点云滤波算法研究现状 | 第10-13页 |
| 1.2.3 点云分类算法研究现状 | 第13-15页 |
| 1.3 研究中的关键问题 | 第15页 |
| 1.4 本文的主要研究内容与组织结构 | 第15-17页 |
| 第二章 机载LiDAR系统基础理论及数据分析 | 第17-25页 |
| 2.1 机载LiDAR系统组成及工作原理 | 第17-22页 |
| 2.1.1 机载LiDAR系统的定位原理 | 第18-19页 |
| 2.1.2 机载LiDAR系统的测距原理 | 第19-21页 |
| 2.1.3 机载LiDAR系统的惯性测量系统 | 第21-22页 |
| 2.2 机载LiDAR点云数据 | 第22-24页 |
| 2.2.1 机载LiDAR点云数据的构成 | 第22页 |
| 2.2.2 机载LiDAR点云数据的格式 | 第22-23页 |
| 2.2.3 机载LiDAR点云数据的组织形式 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于梯度分块的自适应点云滤波方法 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 基于r邻域的点云去噪算法 | 第25-27页 |
| 3.3 自适应点云滤波算法 | 第27-30页 |
| 3.3.1 最大类间方差 | 第27-28页 |
| 3.3.2 点云滤波算法步骤 | 第28-30页 |
| 3.4 实验与分析 | 第30-38页 |
| 3.4.1 测试数据 | 第30-32页 |
| 3.4.2 实验评估标准 | 第32-33页 |
| 3.4.3 实验结果及分析 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于组合核函数的支持向量机点云分类算法 | 第39-55页 |
| 4.1 引言 | 第39页 |
| 4.2 支持向量机理论基础 | 第39-43页 |
| 4.2.1 线性支持向量机 | 第39-42页 |
| 4.2.2 非线性支持向量机 | 第42-43页 |
| 4.3 点云分类算法描述 | 第43-47页 |
| 4.3.1 点云特征提取 | 第44页 |
| 4.3.2 组合核函数的设计 | 第44-46页 |
| 4.3.3 SVM分类器的设计 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-54页 |
| 4.4.1 测试数据 | 第47-49页 |
| 4.4.2 实验评估标准 | 第49-50页 |
| 4.4.3 实验结果及分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |
