| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 论文研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 点云预处理与分割技术发展现状 | 第10-11页 |
| 1.2.2 基于点云的道路环境物体检测技术发展现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文架构 | 第15-16页 |
| 第二章 LiDAR扫描技术理论 | 第16-28页 |
| 2.1 LiDAR数据获取原理 | 第16-20页 |
| 2.1.1 基本原理 | 第16-19页 |
| 2.1.2 LiDAR扫描系统工作原理 | 第19-20页 |
| 2.2 数据扫描及存储方式 | 第20-22页 |
| 2.2.1 LiDAR扫描方式 | 第20-21页 |
| 2.2.2 数据记录方式及格式 | 第21-22页 |
| 2.3 车载LiDAR点云数据的获取 | 第22-27页 |
| 2.3.1 系统工作原理 | 第22-23页 |
| 2.3.2 车载LiDAR系统 | 第23-25页 |
| 2.3.3 车载LiDAR点云数据特点 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 车辆自动检测技术方法 | 第28-42页 |
| 3.1 研究方法概述 | 第28-29页 |
| 3.2 点云数据预处理与分割 | 第29-32页 |
| 3.2.1 MLS数据预处理 | 第29-30页 |
| 3.2.2 基于曲面生长法的点云分割 | 第30页 |
| 3.2.3 地面点的移除 | 第30-31页 |
| 3.2.4 连通区域分析 | 第31-32页 |
| 3.3 特征提取 | 第32-39页 |
| 3.3.1 几何特征提取 | 第32-35页 |
| 3.3.2 情景特征提取 | 第35-36页 |
| 3.3.3 其他特征提取 | 第36-39页 |
| 3.3.4 特征预期 | 第39页 |
| 3.4 基于区域分割的分类 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 车辆自动检测技术应用与实现 | 第42-62页 |
| 4.1 技术方法的应用 | 第42-54页 |
| 4.1.1 点云数据的前期处理 | 第42-46页 |
| 4.1.2 车辆特征提取结果 | 第46-48页 |
| 4.1.3 基于区域分割的分类结果 | 第48-54页 |
| 4.2 分类结果量化 | 第54-60页 |
| 4.2.1 量化策略 | 第55-56页 |
| 4.2.2 量化结果 | 第56-59页 |
| 4.2.3 方法测试 | 第59-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第五章 车辆检测结果分析 | 第62-68页 |
| 5.1 数据预处理与分割结果分析 | 第62-64页 |
| 5.2 特征提取结果分析 | 第64-65页 |
| 5.3 基于区域分割的分类结果分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |