基于3D点云的可操作对象识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 机器视觉国内外研究现状 | 第11-12页 |
| 1.3 本文的主要内容 | 第12-14页 |
| 第2章 点云图像的采集与分割 | 第14-24页 |
| 2.1 点云的采集 | 第14-16页 |
| 2.2 点云的滤波 | 第16-18页 |
| 2.3 估计点云的表面法线 | 第18-19页 |
| 2.4 点云的分割 | 第19-21页 |
| 2.4.1 随机采样一致性算法 | 第19-20页 |
| 2.4.2 基于最小割的分割算法 | 第20页 |
| 2.4.3 区域生长分割算法 | 第20-21页 |
| 2.5 改进的欧式聚类分割算法 | 第21-22页 |
| 2.6 实验结果 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 点云特征提取与模型数据库构建 | 第24-34页 |
| 3.1 点云特征描述方法 | 第24-30页 |
| 3.1.1 局部特征描述子 | 第24-28页 |
| 3.1.2 全局特征描述子 | 第28-30页 |
| 3.2 构建点云模型特征库实验 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 阀门点云聚类的检测与分类识别 | 第34-47页 |
| 4.1 阀门点云聚类的检测 | 第34-35页 |
| 4.2 阀门点云聚类的分类识别 | 第35-46页 |
| 4.2.1 支持向量机原理 | 第35-41页 |
| 4.2.2 参数选择与实验结果 | 第41-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 论文工作总结 | 第47页 |
| 5.2 不足与展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-54页 |
| 致谢 | 第54页 |
