基于三维激光的林区障碍识别建模研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·目标识别研究现状 | 第8-9页 |
| ·点云数据预处理研究现状 | 第9-10页 |
| ·点云数据分割研究现状 | 第10-11页 |
| ·目前所存在的问题 | 第11-12页 |
| ·本文主要工作 | 第12-14页 |
| ·主要研究内容 | 第12页 |
| ·研究方法和方案 | 第12页 |
| ·论文结构 | 第12-14页 |
| 2 林下环境点云数据获取及预处理 | 第14-22页 |
| ·三维激光扫描系统 | 第14-16页 |
| ·三维激光扫描系统的组成介绍 | 第14页 |
| ·三维激光扫描系统测量原理 | 第14-16页 |
| ·点云数据类别 | 第16页 |
| ·数据来源 | 第16-17页 |
| ·林下环境点云数据预处理 | 第17-20页 |
| ·点云数据去噪 | 第18-19页 |
| ·点云数据简化 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 3 林下环境点云分割 | 第22-36页 |
| ·点云分割算法原理概述 | 第22页 |
| ·基于双特征综合相异度聚类分割算法的原理 | 第22-23页 |
| ·建立k-邻域搜索 | 第23-29页 |
| ·规则网格法 | 第24页 |
| ·八叉树网格法 | 第24-26页 |
| ·kd-tree网格法 | 第26-29页 |
| ·法向量计算 | 第29-31页 |
| ·综合相异度计算 | 第31-32页 |
| ·分割结果 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 4 林下环境障碍识别 | 第36-55页 |
| ·目标特征提取 | 第36-40页 |
| ·高程概率分布特征 | 第36-37页 |
| ·点特征直方图特征 | 第37-39页 |
| ·激光反射强度概率分布特征 | 第39-40页 |
| ·目标识别 | 第40-54页 |
| ·模式识别的基本概念 | 第40-41页 |
| ·模式识别的基本方法 | 第41-42页 |
| ·支持向量机 | 第42-48页 |
| ·人工神经网络 | 第48-51页 |
| ·基于支持向量机的识别算法优化 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·不足与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 个人简介 | 第59-60页 |
| 导师简介 | 第60-61页 |
| 获得成果目录 | 第61-62页 |
| 致谢 | 第62页 |
