| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要工作 | 第11页 |
| 1.4 论文组织结构 | 第11-14页 |
| 第二章 特征提取与表示 | 第14-28页 |
| 2.1 基于Kinect的图像获取和点云建模 | 第15-16页 |
| 2.2 2D SIFT特征提取与表示 | 第16-18页 |
| 2.3 3D SIFT特征提取与表示 | 第18-22页 |
| 2.4 基于BoW模型的物体描述 | 第22-27页 |
| 2.4.1 BoW模型 | 第22-26页 |
| 2.4.2 基于BoW模型的物体描述 | 第26-27页 |
| 2.5 小结 | 第27-28页 |
| 第三章 特征融合 | 第28-40页 |
| 3.1 特征级融合 | 第28-29页 |
| 3.2 决策级融合 | 第29-39页 |
| 3.2.1 平均加权融合 | 第30页 |
| 3.2.2 DSmT融合 | 第30-38页 |
| 3.2.3 Murphy融合 | 第38-39页 |
| 3.3 本章小节 | 第39-40页 |
| 第四章 基于2D和3D SIFT特征融合的一般物体识别算法 | 第40-46页 |
| 4.1 基于特征级融合的一般物体识别算法 | 第40-43页 |
| 4.1.1 离线训练过程 | 第41-42页 |
| 4.1.2 在线识别过程 | 第42页 |
| 4.1.3 算法整体流程 | 第42-43页 |
| 4.2 基于决策级融合的一般物体识别算法 | 第43-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第五章 算法实现和仿真实验 | 第46-54页 |
| 5.1 算法实现 | 第46-47页 |
| 5.1.1 算法实现平台 | 第46页 |
| 5.1.2 算法功能模块 | 第46-47页 |
| 5.2 仿真实验结果与分析 | 第47-53页 |
| 5.2.1 实验1：3D SIFT正确识别率 | 第47-48页 |
| 5.2.2 实验2：多种特征融合算法性能对比实验 | 第48-49页 |
| 5.2.3 实验3：识别算法鲁棒性实验 | 第49-50页 |
| 5.2.4 实验4：多视角算法识别率实验 | 第50-51页 |
| 5.2.5 实验5：尺寸缩放实验 | 第51-52页 |
| 5.2.6 实验6：算法时间复杂度 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 本文工作展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |