基于LiDAR机器视觉的目标检测与分类
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 机器视觉中目标检测与分类研究现状 | 第10-11页 |
| 1.2.2 LiDAR技术的研究现状 | 第11-12页 |
| 1.2.3 航空行李托运系统研究现状 | 第12-14页 |
| 1.3 论文研究内容及结构 | 第14-17页 |
| 第二章 LiDAR与机器视觉相关理论与技术 | 第17-23页 |
| 2.1 机器视觉中三维数据获取方式分类 | 第17-18页 |
| 2.2 LiDAR基础理论 | 第18-20页 |
| 2.2.1 LiDAR数据结构 | 第18-19页 |
| 2.2.2 LiDAR数据特点 | 第19-20页 |
| 2.3 探度学习与深度森林算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 目标自动定位与检测系统 | 第23-37页 |
| 3.1 目标自动定位与检测系统设计 | 第23-24页 |
| 3.2 三维数据采集及预处理 | 第24-27页 |
| 3.2.1 中值滤波 | 第25-26页 |
| 3.2.2 阈值分割 | 第26-27页 |
| 3.3 目标自动定位与检测系统的实现 | 第27-30页 |
| 3.3.1 初始标定物的确定 | 第27页 |
| 3.3.2 寻找目标连通域 | 第27-29页 |
| 3.3.3 目标自动定位及检测过程 | 第29-30页 |
| 3.4 高鲁棒性的实时矫正 | 第30-32页 |
| 3.5 实验结果及分析 | 第32-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 航空行李检测分类系统 | 第37-59页 |
| 4.1 航空行李检测分类系统设计 | 第37-45页 |
| 4.1.1 航空行李类别及托运规则 | 第37-38页 |
| 4.1.2 航空行李检测装置 | 第38-39页 |
| 4.1.3 行李目标特征提取 | 第39-45页 |
| 4.2 R-DeepForest分类算法设计 | 第45-50页 |
| 4.2.1 R-DeepForest分类模型 | 第45-46页 |
| 4.2.2 岭回归重构原始特征向量 | 第46-47页 |
| 4.2.3 优化类概率估计 | 第47-50页 |
| 4.3 种子区域优化分类算法设计 | 第50-53页 |
| 4.3.1 欧式几何理论 | 第51页 |
| 4.3.2 种子区域模型设计 | 第51-52页 |
| 4.3.3 平均L2范数矩阵方差 | 第52页 |
| 4.3.4 平均高斯曲率熵 | 第52-53页 |
| 4.4 实验结果及分析 | 第53-58页 |
| 4.4.1 航空行李样本采集及分类 | 第53页 |
| 4.4.2 行李特征选择及重要性分析 | 第53-55页 |
| 4.4.3 分类实验及结果分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况 | 第65-67页 |
| 致谢 | 第67页 |
