| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 三维重建技术的研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文的章节安排 | 第14-15页 |
| 第2章 深度信息获取 | 第15-27页 |
| 2.1 激光三角测量原理 | 第15-16页 |
| 2.2 Kinect深度传感器 | 第16-20页 |
| 2.2.1 Kinect硬件结构 | 第16-17页 |
| 2.2.2 Kinect开发软件平台 | 第17-18页 |
| 2.2.3 Kinect传感器原理 | 第18-20页 |
| 2.3 深度图像和坐标转换 | 第20-24页 |
| 2.3.1 深度图像 | 第20页 |
| 2.3.2 深度图像坐标转换 | 第20-23页 |
| 2.3.3 Kinect几何标定 | 第23-24页 |
| 2.4 Kinect传感器的实际应用 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于Kinect数据三维重建系统软硬件平台 | 第27-37页 |
| 3.1 系统硬件平台 | 第27页 |
| 3.2 软件开发平台 | 第27-35页 |
| 3.2.1 操作系统 | 第27-29页 |
| 3.2.2 Qt工作原理和配置 | 第29-31页 |
| 3.2.3 OpenCV环境配置 | 第31-32页 |
| 3.2.4 OpenNI接口调试 | 第32-33页 |
| 3.2.5 PCL功能及调试 | 第33-34页 |
| 3.2.6 软件开发 | 第34-35页 |
| 3.3 Kinect数据采集 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 图像特征点提取和匹配优化 | 第37-45页 |
| 4.1 SURF算法 | 第37-40页 |
| 4.1.1 近似Hessian矩阵特征检测 | 第38-39页 |
| 4.1.2 SURF特征描述子 | 第39-40页 |
| 4.2 特征匹配 | 第40-42页 |
| 4.2.1 FLANN算法 | 第40-41页 |
| 4.2.2 双向FLANN算法 | 第41-42页 |
| 4.3 结果优化 | 第42页 |
| 4.4 对比实验结果及分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于Kinect数据的室内场景三维重建 | 第45-57页 |
| 5.1 基于Kinect数据的三维重建流程 | 第45页 |
| 5.2 点云转换 | 第45-48页 |
| 5.3 求解R和t | 第48-49页 |
| 5.4 三维点云融合 | 第49-51页 |
| 5.4.1 迭代最近点（ICP）算法 | 第49-51页 |
| 5.4.2 改进ICP算法 | 第51页 |
| 5.5 实验结果及分析 | 第51-55页 |
| 5.5.1 算法原理验证 | 第51-53页 |
| 5.5.2 实际场景重建 | 第53-55页 |
| 5.6 实际距离测量 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间所发表的论文 | 第65-67页 |
| 致谢 | 第67页 |