| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题提出背景及研究意义 | 第9-11页 |
| 1.2 国内外视觉机器人目标识别的研究现状 | 第11-12页 |
| 1.3 三维点云数据中目标识别的研究现状 | 第12-13页 |
| 1.4 本文研究内容和论文结构 | 第13-15页 |
| 第2章 三维点云数据预处理 | 第15-26页 |
| 2.1 三维点云数据 | 第15-19页 |
| 2.1.1 三维点云数据获取技术 | 第15-18页 |
| 2.1.2 三维点云数据应用 | 第18-19页 |
| 2.2 点云滤波 | 第19-23页 |
| 2.2.1 噪声点的数学模型 | 第19-20页 |
| 2.2.2 点云去噪方法 | 第20-23页 |
| 2.3 点云精简 | 第23-25页 |
| 2.3.1 常见的点云精简方法 | 第23-24页 |
| 2.3.2 一种基于曲率的精简方法 | 第24-25页 |
| 2.4 点云分割 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 三维点云数据特征描述 | 第26-36页 |
| 3.1 机器人视觉图像特征描述 | 第26页 |
| 3.2 三维点云数据的几何特性估算 | 第26-29页 |
| 3.2.1 法向量估算 | 第27-28页 |
| 3.2.2 曲率估算 | 第28-29页 |
| 3.3 三维点云数据的特征提取 | 第29-35页 |
| 3.3.1 三维点云数据的特征提取方法概述 | 第29-31页 |
| 3.3.2 基于法向量和主曲率的三维点云数据特征提取 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 三维点云数据中目标识别算法设计 | 第36-50页 |
| 4.1 点云数据中目标识别概述 | 第36-37页 |
| 4.2 识别算法总体设计 | 第37-38页 |
| 4.3 算法描述 | 第38-45页 |
| 4.3.1 点对特征 | 第39-40页 |
| 4.3.2 全局模型描述 | 第40-41页 |
| 4.3.3 局部模型描述 | 第41页 |
| 4.3.4 匹配策略 | 第41-44页 |
| 4.3.5 姿态聚类 | 第44-45页 |
| 4.4 实验设计与结果分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |