物流场景中基于RGBD信息的物体分割
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 RGBD场景分割算法 | 第13-15页 |
| 1.2.2 3D位姿估计算法 | 第15-16页 |
| 1.2.3 多视角融合分割算法 | 第16-17页 |
| 1.2.4 动态场景融合分割 | 第17-18页 |
| 1.3 研究内容和贡献 | 第18-19页 |
| 1.4 本文组织结构 | 第19-22页 |
| 第2章 单视角物体分割和位姿估计 | 第22-38页 |
| 2.1 背景与概述 | 第22-23页 |
| 2.2 场景初始化处理 | 第23-27页 |
| 2.2.1 数据预处理 | 第23-24页 |
| 2.2.2 法向量计算 | 第24-25页 |
| 2.2.3 面元分割 | 第25-26页 |
| 2.2.4 边缘不稳定点合并 | 第26-27页 |
| 2.3 面元合并 | 第27-30页 |
| 2.3.1 连接关系判断 | 第27页 |
| 2.3.2 凹凸性判断 | 第27-29页 |
| 2.3.3 连通域判断 | 第29-30页 |
| 2.4 物体位姿估计和抓取选择 | 第30-33页 |
| 2.4.1 三维姿态计算 | 第30-31页 |
| 2.4.2 外包立方体计算 | 第31-32页 |
| 2.4.3 抓取顺序选择 | 第32-33页 |
| 2.5 实验与分析 | 第33-37页 |
| 2.5.1 物体分割结果分析 | 第33-37页 |
| 2.5.2 基于位姿估计抓取分析 | 第37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 多视角融合分割 | 第38-56页 |
| 3.1 背景与概述 | 第38-39页 |
| 3.2 多视角下的相机位姿估计 | 第39-44页 |
| 3.2.1 ORB特征提取和匹配 | 第39-41页 |
| 3.2.2 3D位姿估计 | 第41-42页 |
| 3.2.3 位姿估计优化 | 第42-44页 |
| 3.3 多视角下的物体分割 | 第44-50页 |
| 3.3.1 基于超体像素的物体分割 | 第45-46页 |
| 3.3.2 全局分割模型建立 | 第46-49页 |
| 3.3.3 全局分割模型更新 | 第49-50页 |
| 3.4 实验与分析 | 第50-54页 |
| 3.4.1 位姿估计结果 | 第50-51页 |
| 3.4.2 多视角分割数据集自动标注 | 第51-52页 |
| 3.4.3 多视角融合分割定量分析 | 第52-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第4章 动态场景融合分割 | 第56-70页 |
| 4.1 背景与概述 | 第56-57页 |
| 4.2 基于背景建模方法的前景提取 | 第57-62页 |
| 4.2.1 基于RGBD信息的背景建模 | 第57-59页 |
| 4.2.2 前景区域优化 | 第59-60页 |
| 4.2.3 触发点检测 | 第60-62页 |
| 4.3 融合分割 | 第62-64页 |
| 4.3.1 动作识别 | 第62-63页 |
| 4.3.2 融合分割 | 第63-64页 |
| 4.4 实验分析 | 第64-69页 |
| 4.4.1 前景提取和背景检测结果 | 第64-67页 |
| 4.4.2 融合分割分析 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间的主要研究成果 | 第78页 |
