基于单目图像的三維物体检测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 二维物体检测 | 第9-10页 |
| 1.2.2 三维物体检测 | 第10-12页 |
| 1.2.3 自动驾驶应用现状 | 第12-13页 |
| 1.3 主要研究内容与技术路线 | 第13-15页 |
| 1.4 本文的组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 物体检测方法及相关深度学习模型介绍 | 第16-25页 |
| 2.1 深度学习介绍 | 第16-17页 |
| 2.2 基于图像的二维物体检测 | 第17-19页 |
| 2.2.1 基于回归方法的二维物体检测 | 第18页 |
| 2.2.2 基于候选区域的二维物体检测 | 第18-19页 |
| 2.3 基于单目图像的三维物体检测 | 第19-23页 |
| 2.3.1 Mono3D | 第20页 |
| 2.3.2 Deep3Dbox | 第20-22页 |
| 2.3.3 Deep MANTA | 第22-23页 |
| 2.4 二维物体检测与三维物体检测的算法比较 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 三维物体检测算法设计 | 第25-38页 |
| 3.1 背景描述与难点分析 | 第25-26页 |
| 3.2 算法流程 | 第26-37页 |
| 3.2.1 三维物体的参数表示 | 第27页 |
| 3.2.2 基础网络模型 | 第27-29页 |
| 3.2.3 角度估计 | 第29-32页 |
| 3.2.4 三维尺寸估计 | 第32-33页 |
| 3.2.5 基于多层次融合的物体三维位置预测 | 第33-37页 |
| 3.2.6 多任务学习 | 第37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 实验分析 | 第38-47页 |
| 4.1 数据介绍 | 第38-40页 |
| 4.2 实验细节 | 第40-41页 |
| 4.3 实验结果 | 第41-45页 |
| 4.3.1 精度评价指标 | 第41-42页 |
| 4.3.2 与主流算法的对比与分析 | 第42-44页 |
| 4.3.3 部分可视化结果 | 第44-45页 |
| 4.4 结果分析 | 第45-46页 |
| 4.4.1 合理性分析 | 第45-46页 |
| 4.4.2 改进分析 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 全文总结 | 第47页 |
| 5.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
