利用Kinect传感器的三维扫描系统研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景及学术意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 三维扫描系统设计难点 | 第13页 |
| 1.4 论文研究内容与结构安排 | 第13-16页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 结构安排 | 第14-16页 |
| 2 三维点云数据获取与处理 | 第16-27页 |
| 2.1 Kinect传感器介绍 | 第16-19页 |
| 2.1.1 Kinect硬件结构 | 第16-17页 |
| 2.1.2 Kinect工作原理 | 第17-19页 |
| 2.2 图像信息获取 | 第19-21页 |
| 2.3 基于阈值的深度图像分割 | 第21-22页 |
| 2.4 三维点云数据获取 | 第22-25页 |
| 2.4.1 坐标系简单介绍 | 第22-24页 |
| 2.4.2 深度图像坐标转化 | 第24-25页 |
| 2.5 三维点云数据精简处理 | 第25-26页 |
| 2.6 实验结果与分析 | 第26页 |
| 2.7 本章小结 | 第26-27页 |
| 3 三维点云数据配准 | 第27-44页 |
| 3.1 三维点云数据配准的定义 | 第27页 |
| 3.2 三维点云数据配准研究现状 | 第27-28页 |
| 3.3 三维点云数据配准基础 | 第28-32页 |
| 3.3.1 变换矩阵 | 第28-29页 |
| 3.3.2 目标函数 | 第29-30页 |
| 3.3.3 变换矩阵求解 | 第30-31页 |
| 3.3.4 迭代最近点算法 | 第31-32页 |
| 3.4 改进的点云配准算法 | 第32-38页 |
| 3.4.1 点云特征描述符估计 | 第33-36页 |
| 3.4.2 确定对应点对 | 第36-38页 |
| 3.4.3 点云初始配准 | 第38页 |
| 3.4.4 基于ICP算法的点云精细配准 | 第38页 |
| 3.5 多视角数据配准与融合 | 第38-39页 |
| 3.6 实验结果与分析 | 第39-43页 |
| 3.7 本章小结 | 第43-44页 |
| 4 三维点云表面模型重建 | 第44-47页 |
| 4.1 表面模型重建 | 第44-46页 |
| 4.2 实验结果 | 第46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 三维扫描系统设计与实现 | 第47-53页 |
| 5.1 软硬件平台环境 | 第47-48页 |
| 5.1.1 硬件平台环境 | 第47页 |
| 5.1.2 软件平台环境 | 第47-48页 |
| 5.2 系统框架设计 | 第48-49页 |
| 5.3 三维扫描系统流程框图 | 第49-50页 |
| 5.4 实验结果及分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录 | 第61页 |
| A. 作者在攻读学位期间发表的论文目录 | 第61页 |
