| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景和意义 | 第17-18页 |
| 1.2 车辆自动驾驶研究现状 | 第18-19页 |
| 1.2.1 人工智能技术研究 | 第18页 |
| 1.2.2 高精度地图技术研究 | 第18页 |
| 1.2.3 传感器技术研究 | 第18页 |
| 1.2.4 车联网技术研究 | 第18-19页 |
| 1.2.5 基础设施建设研究 | 第19页 |
| 1.2.6 典型自动驾驶案例 | 第19页 |
| 1.3 3D物体检测的研究现状 | 第19-20页 |
| 1.4 研究内容与结构安排 | 第20-23页 |
| 1.4.1 研究内容 | 第20-21页 |
| 1.4.2 结构安排 | 第21-23页 |
| 第二章 目标分类算法的相关技术概述 | 第23-39页 |
| 2.1 概述 | 第23-24页 |
| 2.2 传统物体分类算法的研究 | 第24-30页 |
| 2.2.1 K-近邻算法 | 第24页 |
| 2.2.2 决策树 | 第24-25页 |
| 2.2.3 朴素贝叶斯 | 第25页 |
| 2.2.4 逻辑回归 | 第25-26页 |
| 2.2.5 支持向量机 | 第26-29页 |
| 2.2.6 随机森林 | 第29-30页 |
| 2.2.7 Adaboost算法 | 第30页 |
| 2.3 典型卷积神经网络模型分析 | 第30-35页 |
| 2.3.1 概述 | 第30-31页 |
| 2.3.2 基于BP算法的CNN雏形 | 第31页 |
| 2.3.3 Le Net-5 | 第31-32页 |
| 2.3.4 Alex Net | 第32页 |
| 2.3.5 ZF-Net | 第32-33页 |
| 2.3.6 VGGNet | 第33页 |
| 2.3.7 Goog Lenet | 第33-34页 |
| 2.3.8 Res Net | 第34-35页 |
| 2.4 基于深度学习的目标检测技术 | 第35-37页 |
| 2.4.1 R-CNN | 第35页 |
| 2.4.2 SPP-net | 第35-36页 |
| 2.4.3 Fast R-CNN | 第36页 |
| 2.4.4 Faster R-CNN | 第36-37页 |
| 2.4.5 YOLO | 第37页 |
| 2.4.6 SSD | 第37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于S-SVM的 3D物体检测算法 | 第39-49页 |
| 3.1 KIITI数据集简介 | 第39-40页 |
| 3.2 3D模板生成方法 | 第40-41页 |
| 3.3 物体采样策略 | 第41-42页 |
| 3.3.1 地平面估计 | 第41页 |
| 3.3.2 3D候选框生成 | 第41-42页 |
| 3.3.3 候选框优化 | 第42页 |
| 3.4 目标函数的构建 | 第42-46页 |
| 3.4.1 语义分割特征 | 第43-44页 |
| 3.4.2 轮廓特征 | 第44-45页 |
| 3.4.3 位置先验特征 | 第45页 |
| 3.4.4 实例分割特征 | 第45-46页 |
| 3.5 S-SVM算法模型 | 第46-47页 |
| 3.6 基于S-SVM的目标检测算法的训练过程 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 基于Fast R-CNN的 3D物体检测 | 第49-57页 |
| 4.1 Fast R-CNN的前身 | 第49-52页 |
| 4.1.1 R-CNN的优缺点 | 第49-50页 |
| 4.1.2 SPP-net的工作原理及优缺点 | 第50-52页 |
| 4.2 Fast R-CNN的工作原理 | 第52-54页 |
| 4.2.1 Fast R-CNN结构分析 | 第52-54页 |
| 4.2.2 Fast R-CNN的优势 | 第54页 |
| 4.3 基于Fast R-CNN的 3D物体检测 | 第54-55页 |
| 4.3.1 卷积网络模型构建 | 第54页 |
| 4.3.2 模型训练策略 | 第54-55页 |
| 4.3.3 网络训练过程中的参数 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 实验结果比较与分析 | 第57-73页 |
| 5.1 实验平台 | 第57页 |
| 5.2 基于S-SVM分类模型的实验结果与分析 | 第57-68页 |
| 5.2.1 3D模板方法评估 | 第58-59页 |
| 5.2.2 中等检测难度汽车的测试结果 | 第59-62页 |
| 5.2.3 中等检测难度骑自行车的人的测试结果 | 第62-64页 |
| 5.2.4 中等检测难度行人的测试结果 | 第64-68页 |
| 5.3 基于Fast R-CNN分类模型的实验结果与分析 | 第68-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 工作总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |