| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第16-32页 |
| 1.1 引言 | 第16-17页 |
| 1.2 三维重建技术的发展 | 第17-21页 |
| 1.3 三维场景表面重建技术研究现状 | 第21-23页 |
| 1.4 基于深度摄像机的三维场景表面重建的关键问题 | 第23-27页 |
| 1.5 论文的主要工作及内容组织结构 | 第27-32页 |
| 1.5.1 论文的主要研究内容 | 第27-29页 |
| 1.5.2 论文的主要研究成果 | 第29-30页 |
| 1.5.3 论文的组织结构 | 第30-32页 |
| 第2章 深度摄像机噪声分析和去噪算法研究 | 第32-61页 |
| 2.1 ToF深度摄像机成像原理分析 | 第32-44页 |
| 2.1.1 ToF深度摄像机简介 | 第32-34页 |
| 2.1.2 ToF摄像机的数学模型 | 第34-37页 |
| 2.1.3 ToF摄像机的噪声模型 | 第37-44页 |
| 2.2 深度图像去噪滤波常用算法 | 第44-50页 |
| 2.2.1 高斯滤波 | 第45-46页 |
| 2.2.2 中值滤波 | 第46页 |
| 2.2.3 均值滤波 | 第46页 |
| 2.2.4 双边滤波 | 第46-49页 |
| 2.2.5 非局部均值滤波 | 第49-50页 |
| 2.3 基于加权最小二乘法的深度图像滤波算法 | 第50-54页 |
| 2.4 实验结果分析及讨论 | 第54-59页 |
| 2.5 本章小结 | 第59-61页 |
| 第3章 点云配准算法研究 | 第61-86页 |
| 3.1 深度图像配准常用算法 | 第62-67页 |
| 3.2 摄像机追踪优化算法 | 第67-74页 |
| 3.2.1 摄像机姿态的运动补偿 | 第67-70页 |
| 3.2.2 带有权重的ICP点云配准 | 第70-72页 |
| 3.2.3 摄像机姿态的多帧联合估计 | 第72-74页 |
| 3.3 基于注视点变化的数据立方体移动算法 | 第74-78页 |
| 3.4 实验结果分析及讨论 | 第78-85页 |
| 3.4.1 摄像机追踪优化算法的追踪性能 | 第78-82页 |
| 3.4.2 大尺度室内场景表面重建的实验结果 | 第82-85页 |
| 3.5 本章小结 | 第85-86页 |
| 第4章 点云模型融合算法研究 | 第86-105页 |
| 4.1 基于体集成算法的点云数据融合 | 第86-92页 |
| 4.1.1 点云融合算法简介 | 第86-87页 |
| 4.1.2 场景模型融合 | 第87-90页 |
| 4.1.3 三维点云提取 | 第90-92页 |
| 4.2 基于八叉树森林的点云数据融合 | 第92-100页 |
| 4.2.1 八叉树基本原理 | 第92-95页 |
| 4.2.2 八叉树森林的构建 | 第95-98页 |
| 4.2.3 八叉树森林的搜索 | 第98-100页 |
| 4.3 实验结果分析及讨论 | 第100-104页 |
| 4.4 本章小结 | 第104-105页 |
| 第5章 深度摄像机重定位算法研究 | 第105-122页 |
| 5.1 基于图像匹配的摄像机重定位算法 | 第105-107页 |
| 5.2 基于随机森林的摄像机重定位算法 | 第107-118页 |
| 5.2.1 决策树 | 第107-109页 |
| 5.2.2 随机森林模型 | 第109-112页 |
| 5.2.3 结合深度信息的图像特征提取 | 第112-113页 |
| 5.2.4 随机森林的生成 | 第113-115页 |
| 5.2.5 摄像机姿态估计 | 第115-118页 |
| 5.3 实验结果分析及讨论 | 第118-121页 |
| 5.4 本章小结 | 第121-122页 |
| 第6章 总结和展望 | 第122-125页 |
| 参考文献 | 第125-137页 |
| 攻读博士学位期间主要的研究成果 | 第137-138页 |