基于RGBD的道路车辆3D检测与跟踪
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 1.4 论文的结构安排 | 第18-20页 |
| 第二章 深度估计及目标检测与跟踪原理和方法 | 第20-52页 |
| 2.1 基于双目相机的视差估计算法介绍 | 第20-28页 |
| 2.1.1 双目相机系统 | 第20-21页 |
| 2.1.2 SGM算法 | 第21-24页 |
| 2.1.3 Spsstereo算法 | 第24-28页 |
| 2.2 目标检测算法介绍 | 第28-36页 |
| 2.2.1 DPM目标检测方法 | 第29-33页 |
| 2.2.2 FastR-CNN目标检测方法 | 第33-36页 |
| 2.3 目标跟踪算法介绍 | 第36-50页 |
| 2.3.1 单目标跟踪算法 | 第37-44页 |
| 2.3.2 多目标跟踪算法 | 第44-50页 |
| 2.6 本章小结 | 第50-52页 |
| 第三章 基于3D似物性采样的目标检测方法 | 第52-60页 |
| 3.1 基于3D似物性采样的目标检测介绍 | 第52-55页 |
| 3.1.1 3D似物性采样方法 | 第52-55页 |
| 3.1.2 改进的FastR-CNN目标检测网络 | 第55页 |
| 3.2 3D目标检测框生成方法 | 第55-56页 |
| 3.3 实验及结论 | 第56-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第四章 基于3D三角剖分的多目标跟踪算法及其改进 | 第60-74页 |
| 4.1 基于三角剖分的多目标检测与跟踪方法 | 第60-68页 |
| 4.1.1 基于循环特征匹配的场景流计算 | 第60-62页 |
| 4.1.2 基于3D三角剖分的场景流聚类 | 第62-64页 |
| 4.1.3 基于全局最近邻的目标连接 | 第64-65页 |
| 4.1.4 实验及结果分析 | 第65-68页 |
| 4.2 Tritrack算法的改进 | 第68-73页 |
| 4.2.1 基于K-means深度聚类的目标分割 | 第69-72页 |
| 4.2.2 实验及结果分析 | 第72-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第五章 基于MDP模型的多目标跟踪及其改进 | 第74-90页 |
| 5.1 基于MDP的多目标跟踪方法 | 第74-80页 |
| 5.1.1 MDP多目标跟踪模型 | 第74-75页 |
| 5.1.2 MDP决策机制 | 第75-76页 |
| 5.1.3 连接特征构造及在线模型更新 | 第76-77页 |
| 5.1.4 实验及结果分析 | 第77-80页 |
| 5.2 基于空间和图像信息的MDP跟踪方法改进 | 第80-88页 |
| 5.2.1 联合图像和空间特征的MDP框架 | 第80-82页 |
| 5.2.2 2D-3D相似性特征构造 | 第82-86页 |
| 5.2.3 实验及结果分析 | 第86-88页 |
| 5.3 本章小结 | 第88-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 全文总结 | 第90页 |
| 6.2 工作展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-100页 |
| 攻读硕士学位期间取得的成果 | 第100页 |
