声明
第 1 章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要内容及结构安排
第 2 章 实验设备平台及数据预处理
2.1 自动驾驶汽车平台
2.2 VLP-16 和NVIDIA Jetson TX2
2.2.1 VLP-16
2.2.2 NVIDIA Jetson TX2
2.3 三维点云数据采集和解析
2.4 数据预处理
2.4.1 体素地图构建
2.4.2 路面分割
2.5 本章小结
第 3 章 基于DST-FMVFRA 的三维目标检测
3.1 DST-FMVFRA算法的提出
3.2 多视图目标模糊推理赋值
3.2.1 前视图模糊推理赋值
3.2.2 俯视图模糊推理赋值
3.3 基于DST的多视图信息融合
3.4 获取方盒模型参数
3.5 在KITTI 数据集上的对比实验结果及分析
3.6 本章小结
第 4 章 基于BPNN 的三维目标识别
4.1 三维目标的特征向量提取
4.1.1 建立实验数据集
4.1.2 特征向量提取方案
4.2 基于BPNN的三维目标识别
4.2.1 BPNN模型
4.2.2 BPNN识别流程与结果分析
4.3 基于四种分类算法的三维目标识别结果比较
4.3.1 基于OVO SVM的三维目标识别结果
4.3.2 基于RBF的三维目标识别结果
4.3.3 基于WNN 的三维目标识别结果
4.3.4 四种算法识别结果对比分析
4.4 本章小结
第 5 章 基于多视图信息融合与神经网络的目标检测与识别实验
5.1 真实道路环境介绍
5.2 真实道路上DST-FMVFRA目标检测实验结果
5.2.1 多视图模糊推理结果及分析
5.2.2 DST 融合检测结果及分析
5.3 基于DST-FMVFRA-BPNN的实验结果及分析
5.3.1 路段一连续帧实验结果及分析
5.3.2 路段二连续帧实验结果及分析
5.3.3 路段三连续帧实验结果及分析
5.4 三个路段连续帧实验结果对比分析
5.5 本章小结
结 论
致 谢
参考文献
攻读学位期间发表的学术论文
西南交通大学;