| 摘 要 | 第1-5页 |
| ABSTRACT(英文摘要) | 第5-10页 |
| 第一章 引 言 | 第10-30页 |
| ·研究背景和研究目标 | 第10-12页 |
| ·应用领域 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·研究难点和研究方法分类 | 第12-15页 |
| ·研究难点 | 第12-14页 |
| ·研究方法分类 | 第14-15页 |
| ·研究现状 | 第15-25页 |
| ·建模 | 第15-22页 |
| ·估计 | 第22-25页 |
| ·关键问题分析 | 第25-28页 |
| ·有效相似度函数的构建 | 第26页 |
| ·高维空间下的姿态估计 | 第26-27页 |
| ·高维空间下的姿态跟踪 | 第27页 |
| ·运动姿态与模型参数的同时估计 | 第27-28页 |
| ·论文主要工作 | 第28-29页 |
| ·论文结构 | 第29-30页 |
| 第三章 基于回第二章 系统框架与模型的建立 | 第30-44页 |
| ·系统的整体框架 | 第30-31页 |
| ·建模 | 第31-43页 |
| ·三维几何模型 | 第33-38页 |
| ·动态模型 | 第38-39页 |
| ·观测模型 | 第39-41页 |
| ·相似度函数的构建 | 第41-43页 |
| ·结论 | 第43-44页 |
| 第三章 基于回归-优化的关节式物体姿态估计方法 | 第44-70页 |
| ·相关工作 | 第45-47页 |
| ·基于学习的方法 | 第45-46页 |
| ·基于模型的方法 | 第46-47页 |
| ·基于回归-优化的三维姿态估计方法 | 第47-59页 |
| ·基于三维模型和贝叶斯方法的姿态估计框架 | 第48-54页 |
| ·基于回归-优化的姿态估计方法 | 第54-59页 |
| ·实验结果 | 第59-68页 |
| ·实验环境 | 第59-61页 |
| ·评价标准 | 第61-62页 |
| ·合成数据 | 第62-65页 |
| ·真实数据 | 第65-68页 |
| ·结论 | 第68-70页 |
| 第四章 基于演化粒子滤波器的关节式物体姿态跟踪方法 | 第70-93页 |
| ·相关工作 | 第71-73页 |
| ·动态模型 | 第71-72页 |
| ·运动姿态更新 | 第72-73页 |
| ·基于演化滤波器的关节式物体姿态跟踪方法 | 第73-82页 |
| ·基于贝叶斯方法的姿态跟踪框架 | 第74-78页 |
| ·基于演化粒子滤波器的姿态跟踪方法 | 第78-82页 |
| ·实验结果 | 第82-91页 |
| ·合成数据 | 第85-91页 |
| ·真实数据 | 第91页 |
| ·结论 | 第91-93页 |
| 第五章 关节式物体运动姿态与模型参数的同时估计方法 | 第93-115页 |
| ·相关工作 | 第94-95页 |
| ·一般状态空间模型与同时估计方法 | 第95-100页 |
| ·关节式物体运动姿态与模型参数的同时估计问题 | 第96-97页 |
| ·一般状态空间模型下的现有估计方法 | 第97-100页 |
| ·基于在线PF-EM的同时估计方法 | 第100-104页 |
| ·窗口策略 | 第101-102页 |
| ·在线PF-EM同时估计 | 第102-104页 |
| ·实验结果 | 第104-113页 |
| ·合成数据 | 第105-110页 |
| ·真实数据 | 第110-113页 |
| ·结论 | 第113-115页 |
| 结论 | 第115-118页 |
| 参考文献 | 第118-127页 |
| 致谢及声 | 第127-128页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第128页 |