| 摘要 | 第10-12页 |
| Abstract | 第12页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外相关研究现状综述 | 第15-18页 |
| 1.2.1 街景点云重建的研究现状 | 第15-17页 |
| 1.2.2 斑马线自动检测与状态分析的研究现状 | 第17-18页 |
| 1.3 本文研究目标与内容 | 第18-20页 |
| 1.4 技术路线与结构安排 | 第20-24页 |
| 第2章 几何重建、自动目标检测理论与数据特点分析 | 第24-35页 |
| 2.1 几何重建相关理论 | 第24-26页 |
| 2.1.1 SIFT特征匹配 | 第24-25页 |
| 2.1.2 QDEGSAC与核线约束算法 | 第25-26页 |
| 2.2 自动目标检测相关理论 | 第26-31页 |
| 2.2.1 Haar-like特征模板 | 第26-28页 |
| 2.2.2 基于积分图的特征快速算法 | 第28-29页 |
| 2.2.3 Adaboost级联结构分类器 | 第29-31页 |
| 2.3 行车记录仪数据特点分析 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 车辆与隔离带区域自动检测算法研究 | 第35-63页 |
| 3.1 引言 | 第35-36页 |
| 3.2 检测难点分析 | 第36-37页 |
| 3.3 整车检测算法 | 第37-49页 |
| 3.3.1 样本制作策略与分类器训练 | 第38-43页 |
| 3.3.2 盒状检测区拓展 | 第43-49页 |
| 3.4 隔离带区域检测方法 | 第49-52页 |
| 3.4.1 样本制作与分类器训练策略 | 第49-51页 |
| 3.4.2 基于灭点位置的隔离带区域判定方法 | 第51-52页 |
| 3.5 实验结果与分析 | 第52-60页 |
| 3.5.1 整车区域检测结果与分析 | 第53-58页 |
| 3.5.2 隔离带区域检测结果与分析 | 第58-60页 |
| 3.6 本章小结 | 第60-63页 |
| 第4章 基于行车记录仪数据的街景稀疏点云重建 | 第63-86页 |
| 4.1 引言 | 第63-64页 |
| 4.2 SIFT特征点精化 | 第64-67页 |
| 4.3 粗差点剔除并基于SfM算法进行街景稀疏点云重建 | 第67-68页 |
| 4.4 实验结果与分析 | 第68-84页 |
| 4.4.1 基于车辆与护栏检测区域的粗差点剔除结果分析 | 第70-71页 |
| 4.4.2 两两像对定向结果分析 | 第71-73页 |
| 4.4.3 相机姿态恢复结果与分析 | 第73-78页 |
| 4.4.4 稀疏点云重建结果与分析 | 第78-84页 |
| 4.5 本章小结 | 第84-86页 |
| 第5章 重建结果辅助的斑马线自动检测与状态分析 | 第86-123页 |
| 5.1 引言 | 第86-88页 |
| 5.2 重建结果辅助的斑马线分类器分层训练方法 | 第88-93页 |
| 5.2.1 基于错误结果的分类器分层学习方法概述 | 第88-89页 |
| 5.2.2 错误检测结果自动定位方法 | 第89-91页 |
| 5.2.3 分层迭代训练斑马线分类器 | 第91-93页 |
| 5.3 斑马线检测结果性能提升方法 | 第93-99页 |
| 5.3.1 高通滤波确定兴趣区域算法 | 第93-97页 |
| 5.3.2 基于轮廓信息的误检剔除算法 | 第97-99页 |
| 5.4 斑马线状态自动分析方法 | 第99-106页 |
| 5.4.1 检测强度直方图 | 第99-100页 |
| 5.4.2 检测结果特征值计算 | 第100-103页 |
| 5.4.3 基于支持向量机的污损状态分析 | 第103-106页 |
| 5.5 实验结果与分析 | 第106-120页 |
| 5.5.1 斑马线自动检测算法鲁棒性分析 | 第107-110页 |
| 5.5.2 斑马线自动检测结果与分析 | 第110-113页 |
| 5.5.3 斑马线状态分析中间文件与分析结果 | 第113-118页 |
| 5.5.4 基于大区域数据的街景稀疏点云重建与斑马线检测与状态分析方法各阶段耗时与精度统计 | 第118-120页 |
| 5.6 本章小结 | 第120-123页 |
| 第6章 全文总结与展望 | 第123-127页 |
| 6.1 论文工作与成果总结 | 第123-125页 |
| 6.2 论文主要创新点 | 第125页 |
| 6.3 未来研究展望 | 第125-127页 |
| 参考文献 | 第127-134页 |
| 攻读博士期间发表的论文和科研情况 | 第134-135页 |
| 致谢 | 第135-136页 |
