三维重建中基于RGB-D点云数据的配准算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文研究内容和结构安排 | 第11-13页 |
| 第二章 点云数据的获取与预处理 | 第13-22页 |
| 2.1 Kinect介绍 | 第13-16页 |
| 2.1.1 Kinect硬件结构 | 第13-15页 |
| 2.1.2 Kinect工作原理 | 第15-16页 |
| 2.2 图像获取与点云数据生成 | 第16-20页 |
| 2.2.1 RGB图像与深度图像的获取 | 第16-17页 |
| 2.2.2 点云数据生成 | 第17-20页 |
| 2.3 点云数据预处理 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 三维点云配准算法 | 第22-42页 |
| 3.1 点云的三维几何变换 | 第22-25页 |
| 3.1.1 三维旋转 | 第22-24页 |
| 3.1.2 三维平移 | 第24-25页 |
| 3.2 基于RANSAC的随机一致性配准算法 | 第25页 |
| 3.3 ICP迭代最邻近点算法 | 第25-27页 |
| 3.4 点到面的ICP算法 | 第27-30页 |
| 3.5 Generalized_ICP算法 | 第30-32页 |
| 3.6 Go-ICP算法 | 第32-34页 |
| 3.7 利用特征点匹配的配准算法 | 第34-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 基于分支定界的ICP改进算法 | 第42-56页 |
| 4.1 分支定界算法 | 第42-44页 |
| 4.2 三维平移空间参数化与定界 | 第44-46页 |
| 4.3 三维旋转空间参数化与定界 | 第46-48页 |
| 4.4 基于分支定界的搜索策略 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-54页 |
| 4.5.1 随机生成点云配准实验 | 第51-52页 |
| 4.5.2 标准点云配准实验 | 第52-53页 |
| 4.5.3 小位移配准实验 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 闭环检测与图优化 | 第56-60页 |
| 5.1 闭环检测 | 第56-57页 |
| 5.2 通用图优化方法g2o | 第57-58页 |
| 5.3 实验结果与分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和参加科研情况说明 | 第66-67页 |
| 致谢 | 第67-68页 |
