车载校园环境激光点云分类与移动目标识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-11页 |
| ·地球空间信息科学的形成与发展 | 第8-9页 |
| ·空间三维信息应用的加深 | 第9-10页 |
| ·研究内容的实际应用意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·激光扫描测量技术的优势 | 第11-12页 |
| ·激光数据处理的研究现状 | 第12-13页 |
| ·论文内容的组织结构 | 第13-14页 |
| 第2章 车载校园激光数据的整体处理流程及预处理 | 第14-28页 |
| ·车载激光扫描数据的整体处理流程 | 第14-15页 |
| ·车载激光扫描数据的获取 | 第15-19页 |
| ·HDL-64ES2激光扫描仪 | 第15-17页 |
| ·校园真实环境下的激光数据采集过程 | 第17-19页 |
| ·激光数据的预处理 | 第19-26页 |
| ·解译原始激光数据 | 第19-24页 |
| ·激光点云的精简 | 第24-26页 |
| ·激光点云的三维可视化 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 车载激光点云数据的分类 | 第28-44页 |
| ·激光点云的三种分类策略 | 第28-33页 |
| ·基于垂直高度的分类策略 | 第28-29页 |
| ·基于投影点密度的分类策略 | 第29-30页 |
| ·基于PCA的分类策略 | 第30-33页 |
| ·三种分类策略的对比分析 | 第33页 |
| ·基于垂直高度的双阈值法分类策略 | 第33-43页 |
| ·方法原理 | 第34-35页 |
| ·算法实现过程 | 第35-38页 |
| ·实验结果 | 第38-42页 |
| ·分类算法分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 移动目标的特征提取及识别 | 第44-60页 |
| ·从激光点云中提取目标特征的两种思路 | 第44-47页 |
| ·数字图像辅助激光点云进行特征提取 | 第44-45页 |
| ·运用数学方法提取物体的点线面特征 | 第45-47页 |
| ·两种特征提取思路的分析 | 第47页 |
| ·基于图像处理的移动目标特征提取及识别 | 第47-59页 |
| ·方法原理 | 第48-49页 |
| ·算法实现过程 | 第49-50页 |
| ·实验结果 | 第50-57页 |
| ·特征提取算法分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| ·研究内容总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
