空间上下文车载激光点云分类及独立目标对象提取
| 作者简介 | 第6-7页 |
| 摘要 | 第7-9页 |
| abstract | 第9-11页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 基于单点特征的点云分类 | 第15-16页 |
| 1.2.2 空间上下文点云分类 | 第16-19页 |
| 1.2.3 存在的问题 | 第19-20页 |
| 1.3 研究内容 | 第20-21页 |
| 1.4 论文主要工作及结构 | 第21-23页 |
| 第二章 基于顾及曲率自适应邻域的点云单点分类 | 第23-36页 |
| 2.1 点云单点分类方法 | 第24-28页 |
| 2.1.2 经典的最小熵自适应邻域 | 第25-27页 |
| 2.1.3 点云特征提取 | 第27-28页 |
| 2.1.4 随机森林点云分类 | 第28页 |
| 2.2 顾及曲率的自适应邻域 | 第28-31页 |
| 2.2.1 曲率阈值的选取 | 第29-30页 |
| 2.2.2 基于分治策略的自适应邻域选取 | 第30-31页 |
| 2.3 实验与分析 | 第31-35页 |
| 2.3.1 数据准备与评价指标 | 第31-32页 |
| 2.3.2 曲率阈值选取的定量评价 | 第32-33页 |
| 2.3.3 自适应邻域的定量评价 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 多尺度空间上下文点云分类 | 第36-55页 |
| 3.1 空间上下文点云分类方法 | 第37-40页 |
| 3.1.1 对现有空间上下文提取方法的分析 | 第37-39页 |
| 3.1.2 高阶条件随机场模型简述 | 第39-40页 |
| 3.2 基于改进边结构的局部依赖 | 第40-43页 |
| 3.2.1 改进边结构 | 第40-42页 |
| 3.2.2 依赖性空间上下文 | 第42-43页 |
| 3.3 基于超级体素的分布性空间上下文 | 第43-46页 |
| 3.3.1 超级体素类别概率统计 | 第43-44页 |
| 3.3.2 分布性空间上下文 | 第44-46页 |
| 3.4 实验结果与分析 | 第46-54页 |
| 3.4.1 数据准备 | 第46页 |
| 3.4.2 实验流程 | 第46-47页 |
| 3.4.3 实验结果 | 第47-51页 |
| 3.4.4 ILD与DSC的定量评价 | 第51-53页 |
| 3.4.5 分割块尺寸对分类结果的影响 | 第53页 |
| 3.4.6 点云分类方法比较 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 城市场景点云数据独立目标对象提取 | 第55-61页 |
| 4.1 城市场景点云数据独立目标对象提取 | 第55-56页 |
| 4.2 实验结果与分析 | 第56-60页 |
| 4.2.1 独立目标对象提取 | 第57-58页 |
| 4.2.2 实验结果分析 | 第58-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-64页 |
| 5.1 主要工作 | 第61-62页 |
| 5.2 创新点 | 第62页 |
| 5.3 进一步研究计划 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-73页 |
