| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 物体识别技术的研究发展与现状 | 第11-15页 |
| 1.2.1 基于传统二维图像的物体识别技术 | 第12-13页 |
| 1.2.2 基于深度学习的物体识别技术 | 第13-14页 |
| 1.2.3 基于三维点云的物体识别技术 | 第14-15页 |
| 1.3 课题研究难点 | 第15-16页 |
| 1.4 本文的章节安排 | 第16-18页 |
| 第2章 场景点云分割 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 法线计算 | 第18-25页 |
| 2.2.1 邻域搜索 | 第18-20页 |
| 2.2.2 改进的基于主成分分析平面拟合的法线计算方法 | 第20-23页 |
| 2.2.3 法线方向的调整 | 第23-25页 |
| 2.3 点云分割 | 第25-27页 |
| 2.3.1 基于随机采样一致性的分割算法 | 第25页 |
| 2.3.2 区域生长分割算法 | 第25-26页 |
| 2.3.3 最小剪切分割算法 | 第26页 |
| 2.3.4 聚类分割算法 | 第26-27页 |
| 2.4 改进的欧式聚类分割算法 | 第27-28页 |
| 2.5 实验结果及分析 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 目标物体的特征描述 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 三维点云的特征描述 | 第31-32页 |
| 3.3 局部特征描述 | 第32-36页 |
| 3.3.1 SHOT | 第33页 |
| 3.3.2 PFH | 第33-34页 |
| 3.3.3 FPFH | 第34-35页 |
| 3.3.4 RSD | 第35页 |
| 3.3.5 DSC | 第35-36页 |
| 3.4 全局特征描述 | 第36-37页 |
| 3.4.1 ESF | 第36-37页 |
| 3.4.2 GRSD | 第37页 |
| 3.5 全局快速点特征直方图 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 全局特征和局部特征结合的识别方法 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 识别方法设计 | 第41-42页 |
| 4.3 在线识别 | 第42-49页 |
| 4.4 离线训练 | 第49-54页 |
| 4.4.1 模型获取 | 第50-51页 |
| 4.4.2 模型训练 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 物体识别实验设计及结果分析 | 第55-66页 |
| 5.1 引言 | 第55页 |
| 5.2 不同室内环境中的识别实验结果及分析 | 第55-57页 |
| 5.3 不同物体的识别实验结果及分析 | 第57-59页 |
| 5.4 遮挡物体的识别实验结果及分析 | 第59-63页 |
| 5.5 与其他物体识别方法对比 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |