首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于三维点云及图像数据的路面裂缝检测关键技术研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第11-22页
    1.1 课题研究背景和意义第11-12页
    1.2 路面裂缝检测国内外研究现状第12-18页
        1.2.1 常见的裂缝图像检测方法第15-17页
        1.2.2 三维激光扫描技术第17-18页
    1.3 目前裂缝检测技术存在的问题第18-19页
    1.4 论文技术路线和主要研究内容第19-22页
第二章 三维路面点云数据的滤波处理第22-39页
    2.1 三维点云数据简介第22-25页
        2.1.1 点云数据格式类型第22-23页
        2.1.2 点云数据处理平台第23-25页
    2.2 三维路面点云数据的噪声特征分析第25-26页
        2.2.1 路面点云数据的噪声分类第25-26页
        2.2.2 常见的点云数据滤波方法第26页
    2.3 三维路面点云数据的大尺度滤波第26-30页
        2.3.1 大尺度滤波具体实现第26-28页
        2.3.2 大尺度滤波实验结果第28-30页
    2.4 三维路面点云数据的小尺度滤波第30-37页
        2.4.1 经典双边滤波第30-31页
        2.4.2 小尺度滤波具体实现第31-32页
        2.4.3 小尺度滤波实验结果第32-35页
        2.4.4 实验结果分析第35-37页
    2.5 本章小结第37-39页
第三章 三维路面点云数据的裂缝提取第39-59页
    3.1 三维裂缝特征分析第39-41页
    3.2 常见的裂缝图像提取算法第41-45页
        3.2.1 图像分割理论第41-43页
        3.2.2 分形维数理论第43-44页
        3.2.3 边缘检测理论第44-45页
    3.3 基于分数阶微分的三维裂缝提取第45-50页
        3.3.1 分数阶微分理论第45-47页
        3.3.2 三维裂缝提取第47-50页
    3.4 实验结果分析第50-57页
        3.4.1 实验评价体系第50-51页
        3.4.2 实验数据分析第51-57页
    3.5 本章小结第57-59页
第四章 三维裂缝的形状参数计算及特征分析第59-80页
    4.1 三维裂缝的形状参数分析第59-60页
    4.2 裂缝平面参数计算第60-66页
        4.2.1 裂缝最优外接矩形第60-61页
        4.2.2 裂缝平面形状参数计算第61-64页
        4.2.3 实验结果分析第64-66页
    4.3 裂缝深度参数计算第66-74页
        4.3.1 特征值平面拟合算法第67-69页
        4.3.2 随机采样一致性算法(RANSAC)第69-70页
        4.3.3 三维裂缝的平面拟合算法第70-73页
        4.3.4 实验结果分析第73-74页
    4.4 裂缝特征分析第74-78页
        4.4.1 裂缝面积比例定义第74-75页
        4.4.2 裂缝分布密度定义第75-76页
        4.4.3 裂缝分类模型第76-78页
    4.5 本章小结第78-80页
第五章 路面裂缝图像的分类研究第80-91页
    5.1 深度神经网络简介第80-85页
        5.1.1 深度神经网络分类第80-82页
        5.1.2 基于神经网络的裂缝分类第82-83页
        5.1.3 卷积神经网络模型简介第83-85页
    5.2 裂缝图像的分类模型第85-88页
        5.2.1 裂缝分类模型构成第85-87页
        5.2.2 模型训练过程第87-88页
    5.3 实验结果分析第88-89页
        5.3.1 实验环境与数据第88页
        5.3.2 裂缝分类结果分析第88-89页
    5.4 本章小结第89-91页
第六章 总结与展望第91-93页
参考文献第93-108页
博士期间研究成果第108-110页
    论文成果第108-109页
    发明专利第109页
    参与基金及项目第109-110页
致谢第110页

论文共110页,点击 下载论文
上一篇:基于图像逆投影3D重建的车辆检测关键技术研究
下一篇:V2X关键技术在城市道路智能交通中的应用研究