| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究的背景及意义 | 第10-17页 |
| 1.1.1 三维重建概述 | 第10-11页 |
| 1.1.2 三维重建技术分类 | 第11-15页 |
| 1.1.3 三维点云概述 | 第15-17页 |
| 1.2 基于点云的三维重建的关键技术和研究现状 | 第17-19页 |
| 1.3 本文研究内容和主要工作 | 第19-20页 |
| 1.4 本文组织结构 | 第20-22页 |
| 第二章 基于深度相机的数据获取和预处理技术 | 第22-34页 |
| 2.1 基于深度相机的数据获取技术 | 第22-27页 |
| 2.1.1 Kinect简介 | 第22-24页 |
| 2.1.2 相关库 | 第24-25页 |
| 2.1.3 结合RGB图像和深度图像获取三维点云 | 第25-27页 |
| 2.2 点云数据的预处理技术 | 第27-30页 |
| 2.3 基于彩色图像引导的深度图像超分辨率算法 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于点云的3d-SUSAN特征点检测算法 | 第34-50页 |
| 3.1 三维点云的特征点检测算法 | 第34-37页 |
| 3.1.1 内在形状特征(intrinsic shape signature,ISS) | 第35-36页 |
| 3.1.2 3d-Harris | 第36页 |
| 3.1.3 3d-SIFT | 第36-37页 |
| 3.2 3d-SUSAN特征点检测算法的实现步骤 | 第37-42页 |
| 3.2.1 邻近点获取 | 第38-39页 |
| 3.2.2 灰度信息比较 | 第39-40页 |
| 3.2.3 计算核值相似区(USAN) | 第40页 |
| 3.2.4 非极大值抑制 | 第40页 |
| 3.2.5 参数选择 | 第40-42页 |
| 3.3 算法实验结果及分析 | 第42-48页 |
| 3.3.1 标准模型点云表面特征点检测 | 第42-43页 |
| 3.3.2 Kinect点云表面特征点检测 | 第43-46页 |
| 3.3.3 各特征点检测算法的运行效率统计 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第四章 结合纹理信息的FPFH特征描述/匹配算法 | 第50-66页 |
| 4.1 基于三维点云的局部特征描述 | 第50-51页 |
| 4.1.1 基于签名的特征描述子 | 第51页 |
| 4.1.2 基于直方图的特征描述子 | 第51页 |
| 4.2 特征描述的匹配及错误剔除策略 | 第51-53页 |
| 4.2.1 特征描述的匹配策略 | 第51-52页 |
| 4.2.2 特征描述的错误剔除策略 | 第52-53页 |
| 4.3 结合纹理信息的快速点特征直方图(SIFT-FPFH) | 第53-59页 |
| 4.3.1 快速点特征直方图 | 第53-57页 |
| 4.3.2 尺度不变特征变换 | 第57-58页 |
| 4.3.3 SIFT-FPFH算法的实现流程 | 第58-59页 |
| 4.4 实验结果与分析 | 第59-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 精确配准算法与多视角全局优化 | 第66-72页 |
| 5.1 ICP算法 | 第66-71页 |
| 5.1.1 标准ICP算法 | 第66-68页 |
| 5.1.2 ICP算法的改进形式 | 第68-71页 |
| 5.2 多视角全局优化 | 第71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 点云数据处理工具设计 | 第72-80页 |
| 6.1 点云数据的读取/保存/可视化功能 | 第73-74页 |
| 6.2 点云数据的滤波/预处理功能 | 第74-75页 |
| 6.3 点云数据的特征提取/描述功能 | 第75页 |
| 6.4 点云数据的聚类／分割功能 | 第75-76页 |
| 6.5 单个物体的三维重建效果 | 第76-79页 |
| 6.6 本章小结 | 第79-80页 |
| 总结与展望 | 第80-82页 |
| 参考文献 | 第82-90页 |
| 攻读学位期间承担的科研任务与主要成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 个人简历 | 第92-95页 |