采用随机蕨回归的工业零件六维姿态估计
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状与趋势 | 第13-22页 |
| 1.2.1 物体位姿估计方法分类 | 第13-15页 |
| 1.2.2 集成学习算法 | 第15-17页 |
| 1.2.3 级联回归算法框架 | 第17-19页 |
| 1.2.4 物体的六维位姿估计 | 第19-22页 |
| 1.3 本文研究内容 | 第22-23页 |
| 1.4 本文结构安排 | 第23-24页 |
| 第二章 随机蕨算法的改造与应用 | 第24-40页 |
| 2.1 概述 | 第24-25页 |
| 2.2 随机蕨算法基本原理 | 第25-26页 |
| 2.3 拟合回归问题下的随机蕨算法 | 第26-29页 |
| 2.4 大噪声干扰下的随机蕨回归算法 | 第29-34页 |
| 2.5 实验结果与分析 | 第34-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第三章 基于OpenGL的深度相机仿真环境搭建 | 第40-56页 |
| 3.1 概述 | 第40-41页 |
| 3.2 仿真数学模型 | 第41-45页 |
| 3.3 仿真环境搭建 | 第45-52页 |
| 3.3.1 仿真流程及细节 | 第45-47页 |
| 3.3.2 模拟深度数据噪声 | 第47-52页 |
| 3.4 实验结果与分析 | 第52-53页 |
| 3.5 本章小结 | 第53-56页 |
| 第四章 级联随机蕨回归框架下的物体六维位姿估计 | 第56-76页 |
| 4.1 概述 | 第56页 |
| 4.2 深度图像上的特征设计 | 第56-61页 |
| 4.2.1 深度图像块的特征描述 | 第57-59页 |
| 4.2.2 特征哈希处理 | 第59-61页 |
| 4.3 针对位姿估计的级联回归框架设计 | 第61-63页 |
| 4.4 遮挡情况下的物体位姿估计 | 第63-66页 |
| 4.5 物体检测与物体位姿估计的结合 | 第66-67页 |
| 4.6 实验结果与分析 | 第67-73页 |
| 4.6.1 利用物体位姿特征进行物体检测实验 | 第67-68页 |
| 4.6.2 无遮挡情况下的物体六维位姿估计实验 | 第68-71页 |
| 4.6.3 有遮挡情况下的物体六维位姿估计实验 | 第71-73页 |
| 4.7 本章小结 | 第73-76页 |
| 第五章 总结和展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 作者简历 | 第84页 |
