基于RGB-D图像的室内场景3D目标检测

目录

声明

第1章 绪 论

1.1 研究背景

1.2 国内外研究现状

1.3 研究内容及主要工作

1.4 论文结构与章节安排

第2章 相关技术理论

2.1 RGB-D图像与数据集

2.1.1 深度传感器

2.1.2 RGB-D数据集

2.2 目标检测相关技术理论

2.2.1 目标检测相关评价指标

2.2.2 RCNN系列算法

2.2.3 YOLO系列算法

2.3 RGB-D图像的目标检测

2.4 点云处理

2.5 本章小结

第3章 实验方法与模型

3.1 2D边框提议

3.1.1 主干网络

3.1.2 候选区域生成网络

3.1.3 感兴趣区域池化与分类网络

3.1.4 训练过程

3.1.5 损失函数

3.2 2D边框提议转换形成视锥点云

3.3 点云处理网络

3.3.1 点云中的目标物体分割

3.3.2 3D边框回归

3.3.3 损失函数

3.4 本章小结

第4章 实验结果与分析

4.1 与先进方法的比较

4.1.1 2.5D方法的比较

4.1.2 3D方法的比较

4.1.3 不同数据集的比较

4.2 结构设计分析

4.2.1 视锥点云归一化

4.2.2 点云处理网络结构

4.3 实验结果

4.3.1 实验结果可视化展示

4.3.2 思考与改进

4.4 本章小结

第5章 总结与展望

5.1 论文总结

5.2 工作展望

参考文献

作者简介及在学期间所取得的科研成果

致谢