大规模道路场景致密语义地图构建
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第12-23页 |
| 1.1 研究的背景与意义 | 第12-16页 |
| 1.2 研究的动态与现状 | 第16-21页 |
| 1.2.1 道路场景理解 | 第17-18页 |
| 1.2.2 大规模道路场景理解 | 第18-21页 |
| 1.3 论文内容与结构 | 第21-23页 |
| 2 大规模道路场景几何重建 | 第23-36页 |
| 2.1 三维点云致密化 | 第23-28页 |
| 2.1.1 三维点与图像间的投影变换 | 第24页 |
| 2.1.2 深度图升采样 | 第24-27页 |
| 2.1.3 KITTI数据集上的实验结果 | 第27-28页 |
| 2.2 基于特征点匹配的双目视觉里程计 | 第28-36页 |
| 2.2.1 算法实现过程 | 第29-33页 |
| 2.2.2 KITTI数据集上的实验结果 | 第33-36页 |
| 3 基于全局的大规模道路场景致密语义地图构建 | 第36-55页 |
| 3.1 单帧图像语义标注 | 第36-40页 |
| 3.2 有效的地图表达 | 第40-48页 |
| 3.3 基于条件随机场的模型构建 | 第48-49页 |
| 3.4 模型的求解 | 第49-50页 |
| 3.5 实验结果与分析 | 第50-55页 |
| 4 基于增量计算的大规模道路场景致密语义地图构建 | 第55-65页 |
| 4.1 新增点检测 | 第56-58页 |
| 4.2 基于条件随机场的模型构建 | 第58-59页 |
| 4.2.1 超体素表达 | 第58页 |
| 4.2.2 超体素语义标注 | 第58-59页 |
| 4.3 模型的求解 | 第59页 |
| 4.4 实验结果与分析 | 第59-65页 |
| 4.4.1 算法的优势和细节处理 | 第63-64页 |
| 4.4.2 与基于全局的算法对比 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 本文工作总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简历及在学期间所取得的科研成果 | 第72页 |
