| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及存在问题 | 第9-12页 |
| 1.2.1 点云数据处理的研究现状 | 第9-10页 |
| 1.2.2 车辆类型识别的研究现状 | 第10-12页 |
| 1.3 研究内容及技术路线 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 第2章 车辆模型点云数据预处理及精简方法研究 | 第14-38页 |
| 2.1 车辆模型点云数据的采集与转换 | 第14-17页 |
| 2.1.1 激光扫描数据的采集 | 第14-16页 |
| 2.1.2 采集数据的传输 | 第16页 |
| 2.1.3 采集数据的坐标转换 | 第16-17页 |
| 2.2 车辆模型点云数据的去噪方法 | 第17-25页 |
| 2.2.1 常用的点云数据去噪方法 | 第18-21页 |
| 2.2.2 基于车辆测量点云数据的双边滤波去噪算法 | 第21-24页 |
| 2.2.3 车辆模型点云数据去噪效果的对比 | 第24-25页 |
| 2.3 车辆模型点云数据的精简构造方法 | 第25-37页 |
| 2.3.1 常用的点云数据精简算法 | 第25-29页 |
| 2.3.2 基于八叉树与法向夹角的混合点云精简算法 | 第29-34页 |
| 2.3.3 车辆模型点云数据精简结果及对比分析 | 第34-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 车辆点云模型特征值提取及车型分类器构造 | 第38-54页 |
| 3.1 车辆类型的分类标准 | 第38-39页 |
| 3.2 车辆点云模型特征值的提取 | 第39-43页 |
| 3.3 基于改进BP神经网络的车型分类器构造 | 第43-53页 |
| 3.3.1 车型分类器的构造 | 第44-47页 |
| 3.3.2 车型分类器的改进 | 第47-51页 |
| 3.3.3 基于改进BP神经网络车型分类器的建立 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 车型分类器训练及识别结果分析 | 第54-64页 |
| 4.1 实验环境与开发工具 | 第54页 |
| 4.2 车辆数据样本选择与训练 | 第54-58页 |
| 4.3 车型识别分类结果分析 | 第58-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第70页 |