| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 基于二维图像的目标检测 | 第10-12页 |
| 1.2.2 基于原始点云的的目标检测 | 第12-14页 |
| 1.3 研究方法及技术路线 | 第14-16页 |
| 第二章 相关理论基础 | 第16-25页 |
| 2.1 卷积神经网络 | 第16-20页 |
| 2.1.1 卷积层 | 第16-17页 |
| 2.1.2 池化层 | 第17-18页 |
| 2.1.3 全连接层 | 第18-19页 |
| 2.1.4 分类器 | 第19-20页 |
| 2.2 PointNet | 第20-22页 |
| 2.3 PointNet++ | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 Frustum-Pointnets模型的构建 | 第25-30页 |
| 3.1 三维视锥提取 | 第25-26页 |
| 3.2 三维实例分割 | 第26-28页 |
| 3.3 三维检测框回归 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 改进Frustum-Pointnets模型 | 第30-38页 |
| 4.1 激活函数 | 第30-36页 |
| 4.1.1 Sigmoid函数 | 第31-32页 |
| 4.1.2 tanh函数 | 第32页 |
| 4.1.3 ReLU函数 | 第32-33页 |
| 4.1.4 现有激活函数的优点和局限 | 第33-34页 |
| 4.1.4.1 Sigmoid函数的不足 | 第33-34页 |
| 4.1.4.2 ReLU函数的优点和局限 | 第34页 |
| 4.1.5 Swish函数 | 第34-36页 |
| 4.2 参数初始化 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 三维目标检测实验与分析 | 第38-47页 |
| 5.1 数据集 | 第38-39页 |
| 5.2 目标检测评价指标 | 第39-40页 |
| 5.3 实验环境和参数设置 | 第40-41页 |
| 5.3.1 实验环境 | 第40-41页 |
| 5.3.2 实验参数分析 | 第41页 |
| 5.4 基于PointNet和基于PointNet++对比实验 | 第41-42页 |
| 5.5 三维目标检测精度对比 | 第42-44页 |
| 5.6 三维目标检测可视化 | 第44-45页 |
| 5.7 本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间的研究成果 | 第53页 |
