首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的激光扫描SLAM三维点云质量评价

摘要第4-5页
Abstract第5-6页
第一章 绪论第13-25页
    1.1 研究背景及意义第13-16页
    1.2 研究现状第16-21页
        1.2.1 点云质量评价的研究概况第16-17页
        1.2.2 SLAM的研究概况第17-19页
        1.2.3 三维点云深度学习研究现状第19-21页
    1.3 本文的研究内容第21-22页
    1.4 本文的结构安排第22-25页
第二章 室内激光SLAM系统的点云质量标准研究第25-39页
    2.1 引言第25页
    2.2 室内SLAM系统中点云获取第25-31页
        2.2.1 室内点云数据获取第25-27页
        2.2.2 室内SLAM系统平台第27-31页
    2.3 室内点云降质现象的分析第31-33页
    2.4 室内点云质量标准分析第33-37页
        2.4.1 局部一致性噪声分析第35-36页
        2.4.2 几何对应规则分析第36-37页
    2.5 本章小结第37-39页
第三章 室内激光SLAM系统的仿真方法第39-57页
    3.0 引言第39页
    3.1 背包系统的3D激光SLAM方法框架第39-44页
        3.1.1 3D激光里程计及建图算法第40-42页
        3.1.2 Generilized-ICP算法第42-44页
    3.2 评估SLAM轨迹的度量标准第44-46页
    3.3 基于局部的运动干扰仿真第46-53页
        3.3.1 轨迹局部特性第46-48页
        3.3.2 三维空间中曲线曲率第48-49页
        3.3.3 噪声模型及轨迹变换第49-53页
    3.4 基于全局的轨迹仿真第53-56页
    3.5 本章小结第56-57页
第四章 基于PointNet++网络的室内点云质量分类第57-71页
    4.1 引言第57页
    4.2 点云区域分割算法第57-63页
        4.2.1 基于关键点邻域的点云分割第58-61页
        4.2.2 基于超体素的点云邻域分割第61-63页
    4.3 基于PointNet++的SLAM点云分类第63-70页
        4.3.1 点云质量特征提取第63-66页
        4.3.2 PointNet++分类网络结构第66-67页
        4.3.3 网络模型训练第67-69页
        4.3.4 异常检测第69-70页
    4.4 本章小结第70-71页
第五章 SLAM系统下点云质量评价的实验分析第71-89页
    5.1 实验数据第71-73页
    5.2 质量标准分析实验第73-75页
    5.3 SLAM系统数据仿真实验第75-81页
    5.4 网络分类结果第81-85页
        5.4.1 质量分类实验第81-84页
        5.4.2 性能对比实验第84-85页
    5.5 异常检测结果第85-88页
    5.6 本章小结第88-89页
第六章 总结与展望第89-91页
    6.1 本文工作总结第89-90页
    6.2 未来展望第90-91页
参考文献第91-95页
附录 攻读硕士期间发表的论文第95-97页
致谢第97-98页

论文共98页,点击 下载论文
上一篇:用于PDR增强的轻量级SLAM技术
下一篇:基于PDC-SiAlCN陶瓷的无线无源温度传感器的制备及性能研究