首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于在线Adaboost集成学习算法的室外道路检测

摘要第3-4页
Abstract第4-5页
1 绪论第8-14页
    1.1 研究意义与背景第8-9页
    1.2 国内外研究现状与关键技术第9-11页
        1.2.1 国内外研究现状第9-11页
        1.2.2 关键问题第11页
    1.3 论文主要工作与创新点第11-14页
        1.3.1 论文主要工作第11-13页
        1.3.2 论文创新点第13-14页
2 在线Adaboost分类器的设计与实现第14-27页
    2.1 集成学习第14-17页
        2.1.1 Bagging算法第15页
        2.1.2 Boosting算法第15-16页
        2.1.3 Bagging与Boosting算法的比较第16-17页
    2.2 Adaboost算法第17-21页
        2.2.1 Adaboost原理第17-18页
        2.2.2 Adaboost基分类器的选择第18-21页
    2.3 在线Adaboost分类器的设计第21-27页
        2.3.1 离线样本集的构建第21-22页
        2.3.2 在线样本池的更新第22-24页
        2.3.3 在线分类器的训练第24-27页
3 基于视觉的室外道路检测第27-44页
    3.1 图像分割与特征提取第27-35页
        3.1.1 图像分割第27-30页
        3.1.2 特征提取第30-31页
        3.1.3 分割算法选择第31-32页
        3.1.4 图像特征选择第32-35页
    3.2 在线Adaboost分类器的初始化第35-36页
    3.3 实验结果与数据分析第36-44页
4 基于视觉与激光数据的室外道路检测第44-55页
    4.1 视觉与激光的联合标定第44-46页
    4.2 图像与激光点云特征提取第46-48页
    4.3 在线Adaboost分类器的初始化第48-50页
    4.4 实验结果与数据分析第50-55页
结论第55-57页
参考文献第57-60页
攻读硕士学位期间发表学术论文情况第60页
课题资助情况第60-61页
致谢第61-62页

论文共62页,点击 下载论文
上一篇:3D打印成形及着色系统的设计与实现
下一篇:基于密度聚类和卷积神经网络的生物数据分析研究