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

基于深度图像的三维重建关键技术的研究

摘要第3-4页
Abstract第4页
第1章 绪论第8-18页
    1.1 引言第8-9页
    1.2 研究背景与意义第9-13页
        1.2.1 深度图像增强第9-11页
        1.2.2 点云配准第11-13页
    1.3 研究现状第13-16页
        1.3.1 深度图像增强第13-15页
        1.3.2 点云配准第15-16页
    1.4 本文的主要内容和结构安排第16-18页
第2章 深度图像增强和点云配准技术概述第18-38页
    2.1 深度图像增强技术概述第18-28页
        2.1.1 彩色图像与深度图像第18-19页
        2.1.2 深度成像技术简介第19-20页
        2.1.3 Kinect深度传感器第20-21页
        2.1.4 Kinect工作原理介绍第21-26页
        2.1.5 基本深度图像增强方法第26-28页
    2.2 点云配准技术概述第28-37页
        2.2.1 配准技术涉及的几何特征第28-32页
        2.2.2 点云配准数学理论第32-34页
        2.2.3 迭代最近点算法第34-35页
        2.2.4 RANSAC(Random Sample Consensus)配准算法第35-37页
    2.3 本章小结第37-38页
第3章 基于边缘信息引导滤波的深度图像增强算法第38-46页
    3.1 引言第38页
    3.2 中值滤波第38-39页
    3.3 本文算法描述第39-43页
        3.3.1 图像边缘信息的获取第39-41页
        3.3.2 彩色图像信息的获取第41页
        3.3.3 边缘信息引导滤波进行黑洞填充第41-42页
        3.3.4 自适应中值滤波降噪第42-43页
    3.4 实验结果与分析第43-44页
    3.5 本章小结第44-46页
第4章 基于Hausdroff距离的D4PCS点云配准算法第46-56页
    4.1 引言第46页
    4.2 点云关键点选取及简化点云第46-48页
        4.2.1 Hausdorff距离第46-47页
        4.2.2 关键点选取第47-48页
    4.3 点云配准第48-50页
    4.4 实验结果与分析第50-55页
    4.5 本章小结第55-56页
第5章 总结与展望第56-58页
    5.1 全文总结第56页
    5.2 展望第56-58页
参考文献第58-62页
致谢第62-64页
攻读硕士学位期间的研究成果第64页

论文共64页,点击 下载论文
上一篇:基于机器视觉的LED外观检测系统设计
下一篇:康而乐--准老年人手机游戏界面的设计研究