教育论文网

基于激光雷达三维距离像的车辆目标识别算法研究

论文目录
摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-20页
 1.1 引言第11-16页
  1.1.1 基于激光雷达三维距离像的车辆目标识别的研究背景及意义第11-13页
  1.1.2 三维成像激光雷达及三维激光点云第13-14页
  1.1.3 基于三维激光点云的目标识别及其国内外进展第14-16页
 1.2 基于三维激光点云的车辆目标识别涉及的关键技术第16-17页
  1.2.1 点云数据的获取与转化技术第16页
  1.2.2 三维点云数据预处理技术第16-17页
  1.2.3 三维激光点云特征提取技术第17页
 1.3 课题研究任务及论文安排第17-20页
  1.3.1 课题研究任务第17-18页
  1.3.2 论文安排第18-20页
第二章 点云数据信息的获取与转化第20-28页
 2.1 引言第20页
 2.2 三维激光雷达扫描平台第20-21页
 2.3 与扫描平台通信的客户端控制系统第21-24页
  2.3.1 基于串口通信的转台控制系统第22-23页
  2.3.2 基于网络通信的雷达控制系统第23-24页
 2.4 三维点云坐标信息的获取与规范第24-27页
  2.4.1 雷达数据包的获取及解析第24-26页
  2.4.2 三维点云PCD文件第26-27页
 2.5 本章小结第27-28页
第三章 场景三维点云数据的预处理第28-43页
 3.1 引言第28页
 3.2 坐标系转换第28-29页
 3.3 背景点移除第29-31页
  3.3.1 基于雷达扫描特性的背景点移除方法第30页
  3.3.2 背景点移除效果第30-31页
 3.4 杂散点去除第31-36页
  3.4.1 杂散点产生的原因第31-32页
  3.4.2 基于体素的杂散点移除方案第32-33页
  3.4.3 基于密度的杂散点移除方案第33-34页
  3.4.4 基于统计分布的杂散点移除方案第34-35页
  3.4.5 三种杂散点移除算法对比分析第35-36页
 3.5 基于点云分割的单物体聚类第36-41页
  3.5.1 传统目标分割算法第37页
  3.5.2 基于欧式距离的欧式聚类算法第37-38页
  3.5.3 基于法向量的区域增长算法第38-39页
  3.5.4 两种算法的分割性能分析第39-41页
 3.6 本章小结第41-43页
第四章 复杂场景下的车辆目标识别第43-65页
 4.1 引言第43页
 4.2 车辆模型库点云数据集的扩充及建立第43-46页
 4.3 传统点云目标特征提取算法及特征模型库的构建第46-50页
  4.3.1 PFH算法第46-47页
  4.3.2 FPFH算法第47-48页
  4.3.3 VFH算法第48-49页
  4.3.4 ESF算法第49-50页
 4.4 待识别车辆目标的提取第50-51页
 4.5 基于传统特征提取算法的车辆目标在线识别第51-53页
  4.5.1 基于传统特征的识别方案第51-52页
  4.5.2 识别结果分析第52-53页
 4.6 基于IVFH-S的车辆目标识别第53-63页
  4.6.1 IVFH-S算法第53-55页
  4.6.2 基于K近邻的在线识别第55-60页
  4.6.3 识别结果分析第60-63页
 4.7 本章小结第63-65页
第五章 车辆识别软件设计第65-70页
 5.1 引言第65页
 5.2 车辆识别软件设计第65-68页
 5.3 本章小结第68-70页
第六章 总结与展望第70-72页
 6.1 论文主要工作及创新点第70-71页
  6.1.1 论文主要工作第70-71页
  6.1.2 创新点第71页
 6.2 工作展望第71-72页
参考文献第72-76页
致谢第76-77页
攻读学位期间的学术成果目录第77页

本篇论文共77页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 x** 提供,作者删除入口请点击这里