基于Kinect与PCL的三维重建系统研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 基于点云的三维重建的流程 | 第13-14页 |
| 1.3 三维点云数据的研究现状 | 第14-25页 |
| 1.3.1 三维点云数据的获取 | 第14-20页 |
| 1.3.2 点云数据的处理研究现状 | 第20-25页 |
| 1.4 本文的章节组织结构 | 第25-28页 |
| 第2章 点云数据处理库(PCL) | 第28-34页 |
| 2.1 PCL概述 | 第28-30页 |
| 2.1.1 PCL的发展与创景 | 第28-29页 |
| 2.1.2 PCL的结构 | 第29-30页 |
| 2.2 PCL的潜在应用领域 | 第30-32页 |
| 2.2.1 机器人领域 | 第30-31页 |
| 2.2.2 虚拟现实、人机交互 | 第31页 |
| 2.2.3 激光遥感测量 | 第31-32页 |
| 2.2.4 CAD/CAM、逆向工程 | 第32页 |
| 2.3 PCL辅助编程 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 点云数据获取 | 第34-46页 |
| 3.1 Kinect设备概述 | 第34-37页 |
| 3.2 Kinect获取3D信息的工作原理 | 第37-38页 |
| 3.3 Kinect驱动选择 | 第38-42页 |
| 3.3.1 OpenNI | 第40-41页 |
| 3.3.2 OpenNI生产节点 | 第41-42页 |
| 3.4 Kinect获取点云数据 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 点云数据的处理 | 第46-82页 |
| 4.1 基本要素 | 第47-53页 |
| 4.1.1 点云(Point Cloud) | 第47-49页 |
| 4.1.2 KD-tree | 第49-51页 |
| 4.1.3 八叉树(octree) | 第51页 |
| 4.1.4 可视化 | 第51-53页 |
| 4.2 点云滤波 | 第53-62页 |
| 4.2.1 噪声点去除 | 第54-58页 |
| 4.2.2 点云数据精简 | 第58-61页 |
| 4.2.3 点云数据平滑 | 第61-62页 |
| 4.3 点云特征提取 | 第62-66页 |
| 4.3.1 三维点特征 | 第62-63页 |
| 4.3.2 法线估计 | 第63-64页 |
| 4.3.3 点特征直方图PFH | 第64-65页 |
| 4.3.4 快速点特征直方图FPFH | 第65-66页 |
| 4.4 点云配准 | 第66-71页 |
| 4.4.1 两两配准 | 第67页 |
| 4.4.2 RANSAC随机采样一致算法 | 第67-68页 |
| 4.4.3 ICP算法 | 第68-71页 |
| 4.5 曲面重建 | 第71-80页 |
| 4.5.1 数据三角化的基本方法 | 第71-72页 |
| 4.5.2 Voronoi图 | 第72页 |
| 4.5.3 Delaunay三角化 | 第72-76页 |
| 4.5.4 PCL库中点云曲面重建的算法 | 第76-80页 |
| 4.6 本章小结 | 第80-82页 |
| 第5章 系统设计与实验实现 | 第82-94页 |
| 5.1 实验环境 | 第82-83页 |
| 5.2 设计系统实验部分 | 第83-91页 |
| 5.2.1 点云数据的获取及可视化 | 第84-85页 |
| 5.2.2 点云预处理及可视化 | 第85-86页 |
| 5.2.3 点云的精简处理及可视化 | 第86-87页 |
| 5.2.4 点云配准及可视化 | 第87-89页 |
| 5.2.5 曲面三角化及可视化 | 第89-91页 |
| 5.3 实验结果分析 | 第91-93页 |
| 5.4 本章小结 | 第93-94页 |
| 第6章 结论和建议 | 第94-96页 |
| 6.1 结论 | 第94-95页 |
| 6.2 建议 | 第95-96页 |
| 参考文献 | 第96-102页 |
| 致谢 | 第102页 |
