基于二维特征点的三维人脸点云配准技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 三维配准算法国内外研究现状 | 第11-13页 |
| 1.3 本文工作内容及特点 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关工作研究 | 第16-29页 |
| 2.1 三维模型的数据结构和纹理图像数据结构 | 第16-19页 |
| 2.1.1 三维模型的数据结构 | 第16-18页 |
| 2.1.2 纹理图像的数据结构 | 第18-19页 |
| 2.2 图像配准技术 | 第19-20页 |
| 2.2.1 图像配准技术介绍 | 第19-20页 |
| 2.2.2 图像配准技术研究现状 | 第20页 |
| 2.3 三维点云数据配准基础问题 | 第20-22页 |
| 2.4 ICP配准算法 | 第22-25页 |
| 2.4.1 ICP配准算法简介 | 第22-23页 |
| 2.4.2 ICP配准算法的过程 | 第23-24页 |
| 2.4.3 ICP配准算法的优缺点分析 | 第24页 |
| 2.4.4 ICP配准算法的改进算法 | 第24-25页 |
| 2.5 RANSAC配准算法 | 第25-28页 |
| 2.5.1 RANSAC配准算法简介 | 第25-26页 |
| 2.5.2 RANSAC估计算法的思路 | 第26页 |
| 2.5.3 基于RANSAC算法的三维配准 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 三维人脸模型投影图像的获取研究 | 第29-37页 |
| 3.1 三维人脸模型投影图像的获取流程设计 | 第29-30页 |
| 3.2 三维人脸模型投影图像的获取步骤 | 第30-35页 |
| 3.2.1 三维数据预处理 | 第30页 |
| 3.2.2 确定二维投影图像大小 | 第30页 |
| 3.2.3 面片顶点像素的提取 | 第30-31页 |
| 3.2.4 面片内部像素的判定 | 第31页 |
| 3.2.5 面片内部像素的提取 | 第31-33页 |
| 3.2.6 缺省像素点的插值 | 第33-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 基于二维特征点的三维人脸配准研究 | 第37-47页 |
| 4.1 基于投影图像的二维特征提取研究 | 第37页 |
| 4.2 基于SURF算子的二维特征提取算法设计 | 第37-39页 |
| 4.2.1 特征点的选取 | 第37-38页 |
| 4.2.2 特征描述向量的计算 | 第38页 |
| 4.2.3 基于欧式距离的特征点匹配 | 第38-39页 |
| 4.2.4 基于相似度动态修正的特征点提纯 | 第39页 |
| 4.3 基于二维特征的三维人脸配准算法设计 | 第39-45页 |
| 4.3.1 计算获取三维特征点对 | 第39-40页 |
| 4.3.2 针对刚体模型的刚体配准算法 | 第40-42页 |
| 4.3.3 针对非刚体模型的柔性配准算法 | 第42-44页 |
| 4.3.4 本文配准算法的系统实现 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 实验结果以及对比分析 | 第47-60页 |
| 5.1 实验环境 | 第47页 |
| 5.2 配准算法实验结果与对比分析 | 第47-58页 |
| 5.2.1 配准算法的评价标准 | 第47-48页 |
| 5.2.2 本文配准算法结果与其它算法对比结果 | 第48-58页 |
| 5.3 实验结果分析与小结 | 第58-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 主要研究结论 | 第60页 |
| 6.2 未来与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 申请学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
