基于车载三维激光扫描数据分类的路面提取研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究内容和结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 激光扫描技术 | 第15-30页 |
| 2.1 激光扫描技术的原理与分类 | 第15-27页 |
| 2.1.1 激光扫描技术的原理 | 第15-18页 |
| 2.1.2 激光扫描技术的分类 | 第18-27页 |
| 2.2 点云数据的介绍 | 第27-29页 |
| 2.2.1 点云数据的特点 | 第27-28页 |
| 2.2.2 点云数据的处理 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 激光扫描数据的分类方法研究 | 第30-43页 |
| 3.1 机载分类滤波算法介绍 | 第30-33页 |
| 3.1.1 数学形态学方法 | 第30-31页 |
| 3.1.2 移动窗口滤波法 | 第31-32页 |
| 3.1.3 迭代线性最小二乘内插法 | 第32页 |
| 3.1.4 基于坡度变化的滤波算法 | 第32-33页 |
| 3.1.5 其他滤波分类方法及综合评价 | 第33页 |
| 3.2 机载与车载分类方法的联系 | 第33-34页 |
| 3.3 车载分类算法介绍 | 第34-37页 |
| 3.3.1 基于投影点密度的距离图像分类方法 | 第35-36页 |
| 3.3.2 基于扫描线上相邻点之间的斜率进行分类 | 第36页 |
| 3.3.3 基于格网化高程差的目标特征的分类方法 | 第36-37页 |
| 3.4 本文使用的分类方法及原理 | 第37-42页 |
| 3.4.1 数据的分割 | 第37页 |
| 3.4.2 路面点云数据的分类提取方法 | 第37-41页 |
| 3.4.3 路面分类提取的流程图 | 第41-42页 |
| 3.5 几种分类方法的比较 | 第42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 车载激光扫描系统及路面数据的分类实验 | 第43-74页 |
| 4.1 本文使用的车载激光扫描系统介绍 | 第43-54页 |
| 4.1.1 车载激光扫描系统的组成及其功能 | 第43-46页 |
| 4.1.2 车载激光扫描系统的外业采集流程 | 第46-51页 |
| 4.1.3 车载激光扫描系统的主要性能指标 | 第51-54页 |
| 4.1.4 原始数据处理 | 第54页 |
| 4.2 实验 | 第54-73页 |
| 4.2.1 实验片区概况 | 第55-56页 |
| 4.2.2 实验平台和数据 | 第56-59页 |
| 4.2.3 路面的分类与提取 | 第59-71页 |
| 4.2.4 分类效果比较 | 第71-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第五章 总结及展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 附录A | 第80-81页 |
| 附录B | 第81-84页 |
