| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究背景及现实意义 | 第8-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-15页 |
| 1.2.1 无人驾驶汽车的国内外研究现状 | 第10-12页 |
| 1.2.2 跨模态检索的国内外研究现状 | 第12-15页 |
| 1.3 课题研究内容及结构安排 | 第15-18页 |
| 1.3.1 课题研究内容 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第二章 移动机器人感知系统的研究 | 第18-26页 |
| 2.1 激光雷达的发展及应用 | 第18-21页 |
| 2.1.1 激光雷达的发展 | 第18-19页 |
| 2.1.2 激光雷达的应用 | 第19-20页 |
| 2.1.3 Velodyne激光雷达 | 第20-21页 |
| 2.2 激光雷达的工作原理 | 第21-22页 |
| 2.3 激光雷达的分类 | 第22-24页 |
| 2.3.1 机械结构的分类 | 第22-23页 |
| 2.3.2 激光线束的分类 | 第23-24页 |
| 2.4 激光雷达相比图像的优势 | 第24-25页 |
| 2.5 点云和图像的弱配对问题 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 检索框架的设计以及特征的提取 | 第26-38页 |
| 3.1 跨模态检索的需求分析 | 第26页 |
| 3.2 检索框架的设计 | 第26-28页 |
| 3.3 深度学习网络的应用 | 第28页 |
| 3.4 点云特征的提取 | 第28-34页 |
| 3.4.1 Point Net深度学习网络 | 第29-32页 |
| 3.4.2 Point Net VLAD深度学习网络 | 第32-34页 |
| 3.5 图像特征的提取 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 典型相关分析原理及应用 | 第38-46页 |
| 4.1 跨模态检索 | 第38页 |
| 4.2 典型相关分析的发展及原理 | 第38-40页 |
| 4.3 典型相关分析的衍生方法 | 第40-43页 |
| 4.3.1 核典型相关分析 | 第40-41页 |
| 4.3.2 均值典型相关分析 | 第41页 |
| 4.3.3 聚类典型相关分析 | 第41-42页 |
| 4.3.4 聚类核典型相关分析 | 第42-43页 |
| 4.4 聚类典型相关分析在论文中的应用 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 算法验证及结果分析 | 第46-59页 |
| 5.1 KITTI数据集的介绍 | 第46-50页 |
| 5.1.1 数据集采集平台 | 第46-49页 |
| 5.1.2 数据集的标注 | 第49-50页 |
| 5.2 论文数据的处理 | 第50-51页 |
| 5.3 KITTI数据集检索结果的分析 | 第51-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第66页 |