| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状与发展趋势 | 第9-11页 |
| 1.3 本文的主要工作及创新点 | 第11-13页 |
| 2 基于激光测距的三维点云数据获取 | 第13-22页 |
| 2.1 无人驾驶车Smart-Cruiser | 第13-17页 |
| 2.1.1 无人车硬件系统 | 第14-15页 |
| 2.1.2 无人车软件系统 | 第15-17页 |
| 2.2 面向大范围室外环境的点云数据获取 | 第17-22页 |
| 2.2.1 点云数据获取原理 | 第17-19页 |
| 2.2.2 点云数据集介绍 | 第19-22页 |
| 3 基于三维点云的自主场景理解 | 第22-48页 |
| 3.1 ODVL图 | 第22-32页 |
| 3.1.1 ODVL图模型原理 | 第23-28页 |
| 3.1.2 基于ODVL图模型的超像素分割 | 第28-32页 |
| 3.2 基于ODVL图的点云分类 | 第32-38页 |
| 3.2.1 分类器选取 | 第33页 |
| 3.2.2 特征提取 | 第33-36页 |
| 3.2.3 基于Gentle-AdaBoost算法的分类 | 第36-38页 |
| 3.3 三维点云再分类及基于语义信息的校正 | 第38-43页 |
| 3.3.1 点云聚类 | 第39-40页 |
| 3.3.2 点云再分类及语义校正 | 第40-43页 |
| 3.4 实验结果及分析 | 第43-48页 |
| 4 室外大范围语义地图构建 | 第48-64页 |
| 4.1 语义地图表述方法 | 第48-54页 |
| 4.1.1 环境节点 | 第49-52页 |
| 4.1.2 道路节点 | 第52-54页 |
| 4.2 面向大范围室外环境的拓扑地图构建 | 第54-57页 |
| 4.2.1 拓扑地图构建 | 第54-55页 |
| 4.2.2 语义地图的动态更新与维护 | 第55-57页 |
| 4.3 实验结果及分析 | 第57-64页 |
| 4.3.1 语义地图构建结果 | 第57-62页 |
| 4.3.2 整体耗时分析 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68页 |
| 课题资助情况 | 第68-69页 |
| 致谢 | 第69-70页 |