基于RGB-D图像的几何特征提取及形状恢复算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 RGB-D图像的研究现状 | 第13-15页 |
| 1.2.1 目标检测与跟踪 | 第13-14页 |
| 1.2.2 目标与场景的识别 | 第14页 |
| 1.2.3 姿态估计 | 第14-15页 |
| 1.3 RGB-D图像存在的问题 | 第15-16页 |
| 1.4 基于图像的三维形状恢复算法的发展和现状 | 第16-18页 |
| 1.5 本文研究内容和主要工作 | 第18-19页 |
| 1.6 文章结构 | 第19-20页 |
| 2 Kinect与图像分解理论 | 第20-28页 |
| 2.1 Kinect设备 | 第20-22页 |
| 2.2 本征图像的分解 | 第22-25页 |
| 2.2.1 本征图像分解的概念 | 第22-23页 |
| 2.2.2 本征图像分解的应用 | 第23-25页 |
| 2.3 颜色恒常性 | 第25-28页 |
| 3 RGB-D图像的几何特征提取及分类算法 | 第28-37页 |
| 3.1 引言 | 第28-29页 |
| 3.2 算法流程 | 第29-30页 |
| 3.3 边缘区域检测 | 第30-32页 |
| 3.3.1 深度预处理 | 第30页 |
| 3.3.2 RGB的边缘检测 | 第30-31页 |
| 3.3.3 遮挡类边缘检测 | 第31页 |
| 3.3.4 折皱类的边缘检测 | 第31-32页 |
| 3.4 联合边缘提取及分类 | 第32-33页 |
| 3.5 深度图像补充边缘提取 | 第33-35页 |
| 3.6 实验结果及总结 | 第35-37页 |
| 4 基于几何特征的RGB-D图像形状恢复算法 | 第37-55页 |
| 4.1 引言 | 第37页 |
| 4.2 现有的基于图像的三维形状恢复算法 | 第37-48页 |
| 4.2.1 SFS算法 | 第37-41页 |
| 4.2.2 SAIFS算法 | 第41-43页 |
| 4.2.3 SIRFS算法 | 第43-46页 |
| 4.2.4 Scene-SIRFS算法 | 第46-48页 |
| 4.3 基于几何特征的三维形状恢复算法 | 第48-49页 |
| 4.4 形状的先验条件 | 第49-52页 |
| 4.4.1 遮挡线的先验条件 | 第49-51页 |
| 4.4.2 折皱的先验条件 | 第51-52页 |
| 4.5 实验结果与对比 | 第52-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60-61页 |
| 致谢 | 第61页 |
