首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度图像的识别与配准技术研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第10-16页
    1.1 课题研究背景与意义第10-11页
    1.2 国内外研究现状第11-14页
    1.3 本文的研究内容第14-16页
第2章 系统方案设计及深度数据处理第16-31页
    2.1 引言第16页
    2.2 检测系统构成与工作原理第16-19页
        2.2.1 检测系统的基本结构及工作流程第16-17页
        2.2.2 检测系统的工作原理第17-19页
    2.3 硬件选型与配置第19-20页
        2.3.1 激光位移传感器的硬件选型第19页
        2.3.2 电动位移平台的硬件选型第19-20页
    2.4 深度图像第20-25页
        2.4.1 深度图像的概念第20-21页
        2.4.2 深度图像的获取和表示第21-22页
        2.4.3 基于激光扫描数据三维重建流程第22-25页
    2.5 数据预处理第25-30页
        2.5.1 深度信息的转化第25-26页
        2.5.2 图像预处理第26-28页
        2.5.3 数据误差补偿第28-30页
    2.6 本章小结第30-31页
第3章 深度图像识别第31-48页
    3.1 引言第31页
    3.2 常用的模式识别方法及比较第31-33页
    3.3 基于k近邻的字符识别算法第33-35页
        3.3.1 k近邻算法的基本原理第33页
        3.3.2 k近邻算法的基本模型第33-35页
        3.3.3 k近邻算法的实现第35页
    3.4 基于神经网络的字符识别算法第35-47页
        3.4.1 深度学习基础理论第35页
        3.4.2 前馈神经网络第35-41页
        3.4.3 卷积神经网络第41-43页
        3.4.4 基于多层感知机网络的字符识别第43-44页
        3.4.5 基于卷积神经网络的字符识别第44-47页
    3.5 本章小结第47-48页
第4章 深度图像配准第48-67页
    4.1 引言第48页
    4.2 深度图像配准的介绍第48-49页
        4.2.1 配准问题及目标第48-49页
        4.2.2 配准的定义第49页
    4.3 深度图像配准常用算法及分类第49-51页
    4.4 基于模板匹配的深度图像配准第51-53页
        4.4.1 模板匹配算法原理第51-52页
        4.4.2 模板匹配算法的配准实现第52-53页
    4.5 基于ICP算法的深度图像配准第53-56页
        4.5.1 ICP算法原理第53-54页
        4.5.2 ICP算法实现流程第54-56页
        4.5.3 原始ICP算法的评价第56页
    4.6 基于改进ICP算法的深度图像配准第56-66页
        4.6.1 点云去噪第56-58页
        4.6.2 计算点云表面法线和关键点FPFH特征第58-61页
        4.6.3 RANSAC初始粗配准第61-63页
        4.6.4 ICP精配准第63-66页
    4.7 本章小结第66-67页
第5章 实验结果与误差分析第67-82页
    5.1 引言第67页
    5.2 系统环境搭建与深度数据采集第67-72页
        5.2.1 系统硬件部分搭建第67-68页
        5.2.2 系统软件功能第68-70页
        5.2.3 深度数据采集第70-72页
    5.3 实验结果第72-78页
        5.3.1 数据处理实验第72-74页
        5.3.2 识别分类实验第74-75页
        5.3.3 深度图像配准实验第75-78页
    5.4 实验结果误差来源分析第78-81页
        5.4.1 仪器自身的误差第78-79页
        5.4.2 测量扫描产生的误差第79-80页
        5.4.3 算法误差第80页
        5.4.4 外界环境产生的误差第80-81页
    5.5 本章小结第81-82页
结论第82-83页
参考文献第83-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:基于网格结构光的三维重建技术研究
下一篇:基于Android的智慧校园APP设计