| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景与意义 | 第11-13页 |
| 1.3 遥操作领域中机器人三维重构技术的研究现状 | 第13-16页 |
| 1.4 点云数据处理技术简介 | 第16-19页 |
| 1.4.1 点云的概念和分类 | 第16-17页 |
| 1.4.2 点云数据的采集 | 第17-18页 |
| 1.4.3 点云数据的处理技术 | 第18-19页 |
| 1.5 本课题的研究内容 | 第19-21页 |
| 第2章 基于多传感器信息融合的机器人作业环境建模系统 | 第21-35页 |
| 2.1 机器人作业环境的三维建模原理 | 第21-22页 |
| 2.2 系统的硬件构成 | 第22-24页 |
| 2.3 机器人手眼系统的位姿描述 | 第24-31页 |
| 2.3.1 机器人系统的坐标系描述 | 第24-26页 |
| 2.3.2 机器人手眼系统标定模型 | 第26-28页 |
| 2.3.3 机器人手眼系统标定方法 | 第28-29页 |
| 2.3.4 机器人手眼标定实验 | 第29-31页 |
| 2.4 基于机器人坐标系的场景描述 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 作业环境三维点云信息获取 | 第35-45页 |
| 3.1 相机标定 | 第35-38页 |
| 3.1.1 RGB 相机标定 | 第35-37页 |
| 3.1.2 红外(IR)相机标定 | 第37-38页 |
| 3.2 三维点云信息的实时获取 | 第38-39页 |
| 3.3 点云的前期处理 | 第39-43页 |
| 3.3.1 点云的数据存储结构及邻域点查询方式 | 第39-41页 |
| 3.3.2 点云的去噪与精简处理 | 第41-42页 |
| 3.3.3 点云表面法线 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 不同视角点云数据匹配处理 | 第45-57页 |
| 4.1 点云初始匹配 | 第45-50页 |
| 4.1.1 特征点的获取 | 第46页 |
| 4.1.2 特征点特征因子 | 第46-49页 |
| 4.1.3 样本一致初始匹配算法 | 第49-50页 |
| 4.2 改进的 ICP 算法匹配 | 第50-55页 |
| 4.2.1 ICP 算法匹配流程 | 第50-51页 |
| 4.2.2 最近点度量标准 | 第51-52页 |
| 4.2.3 四元数法求解匹配矩阵 | 第52-53页 |
| 4.2.4 点云匹配实验结果 | 第53-55页 |
| 4.3 数据重采样处理 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 机器人作业环境识别与重建 | 第57-67页 |
| 5.1 基于几何信息和颜色信息的区域增长分割算法 | 第57-63页 |
| 5.1.1 颜色信息 | 第57-59页 |
| 5.1.2 颜色相似度测量标准 | 第59-60页 |
| 5.1.3 基于几何信息和颜色信息的点云区域增长分割算法 | 第60-62页 |
| 5.1.4 点云分割实验结果 | 第62-63页 |
| 5.2 基于 Delaunay 三角化的机器人作业环境建模算法 | 第63-65页 |
| 5.3 本章小结 | 第65-67页 |
| 第6章 全文总结 | 第67-71页 |
| 6.1 研究工作总结 | 第67-68页 |
| 6.2 继续研究方向 | 第68-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间所取得的科研成果 | 第77-79页 |
| 致谢 | 第79页 |
