基于Kinect的物体模型建立及识别定位技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 物体三维重构研究现状 | 第10-12页 |
| 1.2.1 三维重构发展现状 | 第10-11页 |
| 1.2.2 三维重构关键技术 | 第11-12页 |
| 1.3 三维物体识别方法研究现状 | 第12-16页 |
| 1.3.1 基于二维图像的物体识别 | 第12-13页 |
| 1.3.2 基于三维点云的物体识别 | 第13-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第二章 Kinect点云采集与处理系统搭建 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 测量系统和软件平台搭建 | 第18-20页 |
| 2.2.1 点云采集硬件系统环境搭建 | 第18-19页 |
| 2.2.2 点云处理的软件平台设计 | 第19-20页 |
| 2.3 系统校准 | 第20-27页 |
| 2.3.1 测量坐标系的建立 | 第20-22页 |
| 2.3.2 相机模型建立 | 第22-24页 |
| 2.3.3 图像校准 | 第24页 |
| 2.3.4 摄像机坐标系转化 | 第24-25页 |
| 2.3.5 深度求解与三维还原 | 第25-27页 |
| 2.4 实验及结果分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 点云预处理及分割聚类算法研究 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 多重点云降噪预处理 | 第30-36页 |
| 3.2.1 基于统计分析去除点云边缘噪声 | 第31-33页 |
| 3.2.2 基于主成分分析法提取表面法线及曲率 | 第33-34页 |
| 3.2.3 基于改进双边滤波的点云去噪 | 第34-36页 |
| 3.3 基于RANSAC算法去除场景支撑平面 | 第36-38页 |
| 3.4 基于平滑度欧氏聚类的目标提取 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于特征匹配的三维重构算法研究 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 基于局部特征和全局特征点云表达 | 第45-49页 |
| 4.2.1 基于点特征的点云局部描述 | 第45-47页 |
| 4.2.2 基于视点特征的全局描述 | 第47-49页 |
| 4.3 基于局部特征的RANSAC点云预匹配 | 第49-52页 |
| 4.3.1 基于尺度不变特征的关键点提取 | 第49-51页 |
| 4.3.2 基于改进RANSAC的初始配准 | 第51-52页 |
| 4.4 基于邻域特征ICP算法的精确拼接 | 第52-56页 |
| 4.4.1 精简特征点 | 第52-53页 |
| 4.4.2 搜索对应点 | 第53-54页 |
| 4.4.3 基于曲率分析删除错误匹配点 | 第54-55页 |
| 4.4.4 SVD求解刚体变换 | 第55-56页 |
| 4.5 实验结果及分析 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 基于多特征的物体识别定位算法研究 | 第61-73页 |
| 5.1 引言 | 第61页 |
| 5.2 基于改进K近邻算法的物体识别 | 第61-65页 |
| 5.2.1 K近邻算法简介 | 第61-62页 |
| 5.2.2 基于的聚类的速度改进 | 第62-64页 |
| 5.2.3 基于赋予权值的准确度改进 | 第64-65页 |
| 5.3 全局特征及局部特征融合的物体识定位算法 | 第65-67页 |
| 5.3.1 离线训练阶段 | 第65-67页 |
| 5.3.2 识别定位阶段 | 第67页 |
| 5.4 实验结果分析 | 第67-72页 |
| 5.5 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81页 |
