| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 论文的主要工作 | 第14-15页 |
| 1.4 论文的结构框架 | 第15-16页 |
| 2 三维目标识别与姿态估计的基本理论 | 第16-27页 |
| 2.1 三维点云重建技术 | 第16-20页 |
| 2.1.1 几何造型技术 | 第17-18页 |
| 2.1.2 双目视觉技术 | 第18页 |
| 2.1.3 三维扫描设备 | 第18-19页 |
| 2.1.4 深度相机测距技术 | 第19-20页 |
| 2.2 基于特征匹配的物体识别 | 第20-25页 |
| 2.2.1 特征描述 | 第20-24页 |
| 2.2.2 特征匹配 | 第24-25页 |
| 2.3 姿态估计 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 场景点云及模型点云的获取 | 第27-54页 |
| 3.1 场景三维重建算法及改进 | 第27-42页 |
| 3.1.1 深度图像和颜色图像的获取 | 第27-30页 |
| 3.1.2 三维点云获取 | 第30-33页 |
| 3.1.3 改进的三维点云获取技术 | 第33-40页 |
| 3.1.4 基于深度图像去噪的场景三维重建实验 | 第40-42页 |
| 3.2 模型三维重建 | 第42-53页 |
| 3.2.1 Kinect Fusion原理 | 第42-44页 |
| 3.2.2 基于Kinect Fusion的场景三维重建 | 第44-45页 |
| 3.2.3 模型提取 | 第45-49页 |
| 3.2.4 模型三维重建对比实验 | 第49-53页 |
| 3.3 本章小结 | 第53-54页 |
| 4 目标识别以及姿态估计 | 第54-67页 |
| 4.1 引言 | 第54页 |
| 4.2 点云预处理 | 第54-56页 |
| 4.2.1 点云去噪 | 第54-55页 |
| 4.2.2 点云预分割 | 第55-56页 |
| 4.3 基于局部特征的物体识别 | 第56-61页 |
| 4.3.1 均匀采样选取特征点 | 第56页 |
| 4.3.2 局部特征描述 | 第56-57页 |
| 4.3.3 基于Kd-tree的特征点匹配 | 第57-58页 |
| 4.3.4 3D霍夫投票 | 第58-61页 |
| 4.3.5 实验 | 第61页 |
| 4.4 基于ICP的姿态估计 | 第61-66页 |
| 4.4.1 ICP算法原理 | 第61-64页 |
| 4.4.2 实验验证 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 5 三维目标识别与姿态估计实验 | 第67-72页 |
| 5.1 实验条件和环境介绍 | 第67页 |
| 5.2 实验器材和实验步骤 | 第67-68页 |
| 5.3 实验结果和数据对比 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 6 结论及展望 | 第72-74页 |
| 6.1 本文总结 | 第72页 |
| 6.2 研究方向及展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |