| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 交通数据获取方法 | 第11-14页 |
| 1.2.2 激光雷达车辆检测与追踪方法 | 第14-15页 |
| 1.3 本文研究内容及结构安排 | 第15-16页 |
| 第二章 激光雷达检测系统与背景滤波 | 第16-28页 |
| 2.1 激光雷达介绍 | 第16-21页 |
| 2.1.1 激光雷达检测原理 | 第16页 |
| 2.1.2 VLP-16激光雷达分辨率分析 | 第16-20页 |
| 2.1.3 VLP-16激光雷达数据特点 | 第20-21页 |
| 2.2 激光雷达检测系统 | 第21-23页 |
| 2.2.1 激光雷达检测系统原理介绍 | 第21-22页 |
| 2.2.2 实验数据采集场景介绍 | 第22-23页 |
| 2.3 激光雷达数据背景滤波 | 第23-28页 |
| 2.3.1 兴趣区域选择 | 第24-25页 |
| 2.3.2 背景差分法滤波 | 第25-28页 |
| 第三章 基于历史多状态联合的车辆检测与追踪方法 | 第28-48页 |
| 3.1 DBSCAN聚类的车辆检测方法 | 第28-32页 |
| 3.1.1 DBSACN算法检测原理 | 第28-29页 |
| 3.1.2 基于特征描述的车辆异常合并算法 | 第29-32页 |
| 3.2 车速计算特征分析 | 第32-34页 |
| 3.2.1 车辆盒子模型描述 | 第32-33页 |
| 3.2.2 车速计算特征选择 | 第33-34页 |
| 3.3 以相邻帧为基础的历史多状态联合车辆追踪算法 | 第34-39页 |
| 3.3.1 相邻帧车辆关联矩阵计算 | 第34页 |
| 3.3.2 相邻帧车辆关联方法分析 | 第34-35页 |
| 3.3.3 基于历史多状态联合的车辆追踪算法 | 第35-39页 |
| 3.4 实验结果与分析 | 第39-47页 |
| 3.4.1 车辆检测与追踪参数分析 | 第39-40页 |
| 3.4.2 车速最优特征分析 | 第40-44页 |
| 3.4.3 不同道路车辆追踪准确率分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于时间窗优化的车辆检测与追踪方法 | 第48-72页 |
| 4.1 组合聚类的车辆检测方法 | 第48-52页 |
| 4.1.1 车辆检测模型 | 第48-49页 |
| 4.1.2 组合聚类方法 | 第49-52页 |
| 4.2 基于时间窗的车辆过检滤除算法 | 第52-58页 |
| 4.2.1 时间窗选择的必要性分析 | 第52-53页 |
| 4.2.2 车辆特征点定义 | 第53-54页 |
| 4.2.3 车辆过检滤除算法 | 第54-56页 |
| 4.2.4 车辆运动状态计算 | 第56-58页 |
| 4.3 最近邻车辆追踪算法 | 第58-59页 |
| 4.3.1 车辆关联矩阵计算 | 第58-59页 |
| 4.3.2 车辆最大匹配数计算 | 第59页 |
| 4.4 实验结果与分析 | 第59-70页 |
| 4.4.1 车辆点数与距离变化模型分析 | 第59-60页 |
| 4.4.2 基于时间窗的车辆过检滤除算法参数分析 | 第60-65页 |
| 4.4.3 不同道路车辆追踪准确率分析 | 第65-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 论文展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |