城区车载激光扫描数据滤波算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第13-21页 |
| 1.1 选题背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 机载点云滤波 | 第14-15页 |
| 1.2.2 地形拟合法 | 第15页 |
| 1.2.3 特征图像法 | 第15-16页 |
| 1.2.4 体素划分法 | 第16-17页 |
| 1.2.5 监督分类 | 第17-18页 |
| 1.3 研究内容与技术路线 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第2章 体素生长滤波 | 第21-39页 |
| 2.1 规则体素划分 | 第21-30页 |
| 2.1.1 八叉树规则划分 | 第22-24页 |
| 2.1.2 规则体素生长滤波 | 第24-25页 |
| 2.1.3 实验结果与分析 | 第25-30页 |
| 2.2 超体素划分 | 第30-37页 |
| 2.2.1 VCCS超体素分割原理 | 第32-33页 |
| 2.2.2 超体素生长滤波 | 第33-35页 |
| 2.2.3 滤波精度分析 | 第35-37页 |
| 2.3 小结 | 第37-39页 |
| 第3章 基于分类器学习的地面识别 | 第39-47页 |
| 3.1 体素特征提取 | 第39-41页 |
| 3.2 SVM模型分类原理 | 第41-42页 |
| 3.3 实验与讨论 | 第42-46页 |
| 3.3.1 体素特征计算 | 第42-43页 |
| 3.3.2 精度评价 | 第43页 |
| 3.3.3 分类器训练 | 第43-44页 |
| 3.3.4 实验结果与分析 | 第44-46页 |
| 3.4 小结 | 第46-47页 |
| 第4章 公路车载点云道路提取 | 第47-65页 |
| 4.1 车载点云道路分割研究现状 | 第47-52页 |
| 4.2 基于边缘线识别的道路提取方法 | 第52-60页 |
| 4.2.1 基本原理与技术路线 | 第52-53页 |
| 4.2.2 道路分割算法 | 第53-60页 |
| 4.3 实验与讨论 | 第60-64页 |
| 4.3.1 实验数据 | 第60页 |
| 4.3.2 结果与分析 | 第60-64页 |
| 4.4 小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| 5.1 主要工作和结论 | 第65-66页 |
| 5.2 创新点 | 第66页 |
| 5.3 研究展望 | 第66-67页 |
| 参考文献 | 第67-75页 |
| 致谢 | 第75-77页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第77页 |
