基于RGB-D信息的物体定位与识别
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-28页 |
| ·研究背景 | 第10-11页 |
| ·研究发展综述 | 第11-26页 |
| ·服务机器人研究发展综述 | 第11-18页 |
| ·物体定位研究发展综述 | 第18-20页 |
| ·物体识别研究发展综述 | 第20-26页 |
| ·本文主要工作及创新 | 第26-27页 |
| ·文章的组织结构 | 第27-28页 |
| 第2章 基于RGB-D数据的物体定位算法 | 第28-40页 |
| ·概述 | 第28-29页 |
| ·ZJU-Cyber视觉系统 | 第29-30页 |
| ·物体定位算法框架 | 第30-31页 |
| ·平面提取算法 | 第31-35页 |
| ·物体定位实现 | 第35-36页 |
| ·实验结果 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 基于背景滤除改进的物体识别方法 | 第40-56页 |
| ·背景与概述 | 第40-41页 |
| ·算法框架 | 第41-42页 |
| ·观测点的选取与图像背景滤除 | 第42-44页 |
| ·观测点的选取 | 第42-43页 |
| ·背景图像滤除 | 第43-44页 |
| ·物体识别 | 第44-53页 |
| ·基于SIFT的特征提取 | 第45-52页 |
| ·基于bag-of-words的物体表示 | 第52-53页 |
| ·实验与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于语义部件的3D物体类别识别 | 第56-80页 |
| ·背景与概述 | 第56-57页 |
| ·系统框架 | 第57-58页 |
| ·点云模型的获取 | 第58-62页 |
| ·3D模型库介绍 | 第58-60页 |
| ·稠密点云模型获取 | 第60-62页 |
| ·实现及其结果 | 第62页 |
| ·模型部件的获取 | 第62-67页 |
| ·基于最小包围盒算法的3D模型部件的获取 | 第63-65页 |
| ·实现及其结果 | 第65-67页 |
| ·基于部件的模型表示 | 第67-73页 |
| ·模型几何特征的概率表示 | 第67-70页 |
| ·模型的结构表示 | 第70-71页 |
| ·3D物体类别识别 | 第71-73页 |
| ·实验及结果分析 | 第73-79页 |
| ·本章总结 | 第79-80页 |
| 第5章 总结与展望 | 第80-82页 |
| ·总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-87页 |
| 作者简历 | 第87页 |
