| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究内容 | 第12-13页 |
| 1.3 研究意义 | 第13-15页 |
| 1.4 国内外研究现状 | 第15-17页 |
| 1.4.1 特征检测和点云三维重建的国内外研究现状 | 第15-16页 |
| 1.4.2 跟踪注册技术的国内外研究现状 | 第16-17页 |
| 1.5 主要工作以及文章的组织结构 | 第17-19页 |
| 第二章 相关理论基础 | 第19-31页 |
| 2.1 三维点云重建与跟踪注册的流程结构 | 第19-20页 |
| 2.2 特征提取与匹配 | 第20-24页 |
| 2.2.1 光流法 | 第20-21页 |
| 2.2.2 SIFT/SURF算法 | 第21-23页 |
| 2.2.3 HOG算子 | 第23-24页 |
| 2.3 基于计算机视觉的三维重建算法 | 第24-29页 |
| 2.3.1 相机标定算法 | 第24-26页 |
| 2.3.2 SfM稀疏点云重建算法 | 第26-28页 |
| 2.3.3 PMVS/CMVS稠密点云重建算法 | 第28-29页 |
| 2.4 基于标识物的跟踪注册算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 仿射不变的特征匹配算法 | 第31-47页 |
| 3.1 基于PEFR的特征匹配算法 | 第31-33页 |
| 3.2 算法流程 | 第33-41页 |
| 3.2.1 基于最大最小树的PEFR特征 | 第34-37页 |
| 3.2.2 背景分割算法 | 第37-38页 |
| 3.2.3 仿射矫正算法 | 第38-41页 |
| 3.3 实验结果 | 第41-45页 |
| 3.3.1 试验条件 | 第41页 |
| 3.3.2 MSER算法和PEFR算法的比较 | 第41-42页 |
| 3.3.3 PEFR算法特征匹配的效果 | 第42页 |
| 3.3.4 PEFR算法与其他特征匹配算法的比较 | 第42-44页 |
| 3.3.5 PEFR算法与机器学习算法的比较 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于PEFR的点云三维重建和精度衡量 | 第47-73页 |
| 4.1 基于PEFR的三维重建流程 | 第48-53页 |
| 4.1.1 重建数据准备 | 第48-49页 |
| 4.1.2 数据预处理 | 第49-50页 |
| 4.1.3 图像的特征提取和匹配 | 第50-51页 |
| 4.1.4 SfM重建算法 | 第51-52页 |
| 4.1.5 稠密点云的重建与后续建模 | 第52-53页 |
| 4.2 虚拟场景的三维重建原理 | 第53-57页 |
| 4.2.1 虚拟场景的内参标定算法 | 第54-56页 |
| 4.2.2 虚拟场景下的目标拍摄 | 第56-57页 |
| 4.3 模型精确度衡量算法 | 第57-60页 |
| 4.4 数据分析和实验结果 | 第60-71页 |
| 4.4.1 特征匹配算法的实验与分析 | 第61-66页 |
| 4.4.2 三维重建结果的实验与分析 | 第66-69页 |
| 4.4.3 重建精度评估 | 第69-71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 全尺度跟踪注册算法 | 第73-81页 |
| 5.1 主流算法分析 | 第73-76页 |
| 5.1.1 基于增强现实的ARKit方法 | 第73-74页 |
| 5.1.2 Vuforia轻量级跟踪注册算法 | 第74-75页 |
| 5.1.3 现有算法分析 | 第75-76页 |
| 5.2 全尺度快速跟踪(ASFT)算法 | 第76-78页 |
| 5.2.1 广角度识别算法 | 第76-78页 |
| 5.2.2 快速跟踪算法 | 第78页 |
| 5.3 实现过程与实验结果 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-84页 |
| 6.1 本文总结 | 第81-82页 |
| 6.2 下一步工作的展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间取得的成果 | 第91页 |