| 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 |