| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 机载LIDAR发展现状 | 第12-13页 |
| 1.3 机载LIDANR软件系统及数据分类 | 第13-17页 |
| 1.4 研究内容 | 第17页 |
| 1.5 技术路线 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 机载LIDAR系统 | 第19-33页 |
| 2.1 机载LIDAR系统 | 第20-23页 |
| 2.1.1 机载LIDAR系统组成 | 第20-21页 |
| 2.1.2 机载LiDAR系统的特点 | 第21-23页 |
| 2.2 机载LIDAR测量原理 | 第23-24页 |
| 2.3 机载LIDAR数据 | 第24-26页 |
| 2.3.1 机载LIDAR系统的误差来源 | 第24-25页 |
| 2.3.2 机载LIDAR数据特点 | 第25-26页 |
| 2.4 机载LIDAR应用现状 | 第26-28页 |
| 2.5 机载LIDAR技术现状和发展方向 | 第28-31页 |
| 2.6 本章总结 | 第31-33页 |
| 第3章 回光强度校正 | 第33-45页 |
| 3.1 LIDAR点云数据的回光强度 | 第33-34页 |
| 3.2 回光强度改正方法介绍 | 第34-39页 |
| 3.2.1 朗伯光照模型 | 第34-37页 |
| 3.2.2 镜面反射模型 | 第37-39页 |
| 3.3 回光强度校正 | 第39-41页 |
| 3.3.1 提出改正模型 | 第39页 |
| 3.3.2 改正模型应用方法 | 第39-41页 |
| 3.4 模型验证 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于KNN算法和BP神经网络算法的点云分类 | 第45-59页 |
| 4.1 KNN分类算法 | 第45-52页 |
| 4.1.1 KNN算法介绍 | 第45-48页 |
| 4.1.2 KNN中距离度量 | 第48-49页 |
| 4.1.3 K值确定 | 第49-50页 |
| 4.1.4 KNN算法验证 | 第50-52页 |
| 4.2 BP神经网络 | 第52-58页 |
| 4.2.1 BP神经网络结构 | 第52-53页 |
| 4.2.2 BP神经网络功能与特点 | 第53-54页 |
| 4.2.3 神经网络算法模型建立与训练过程 | 第54-56页 |
| 4.2.4 神经网络算法验证 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 实例分析 | 第59-69页 |
| 5.1 实验数据来源 | 第59-60页 |
| 5.2 数据准备 | 第60-61页 |
| 5.3 实验及结果分析 | 第61-68页 |
| 5.3.1 对比项目 | 第61-67页 |
| 5.3.2 结果分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 结论与展望 | 第69-71页 |
| 6.1 本文结论 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-81页 |
| 附录 | 第81页 |