摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第11-16页 |
1.1 课题的研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 研究目的和内容 | 第13-14页 |
1.4 各章节安排 | 第14-16页 |
第2章 脚型三维重建测量系统的基本原理和结构设计 | 第16-33页 |
2.1 系统功能需求分析 | 第16-17页 |
2.2 双目相机系统的基本原理 | 第17-25页 |
2.2.1 摄像机的成像模型 | 第17-19页 |
2.2.2 双目视觉基本原理 | 第19-20页 |
2.2.3 摄像机的标定与双目视觉的对极几何 | 第20-24页 |
2.2.4 三维重建 | 第24-25页 |
2.3 Kinect传感器 | 第25-29页 |
2.3.1 Kinect传感器的软硬件设备 | 第25-26页 |
2.3.2 Kinect传感器深度信息的获取 | 第26-28页 |
2.3.3 Kinect三维点云的获取 | 第28-29页 |
2.4 脚型三维重建系统的结构设计 | 第29-32页 |
2.4.1 脚型三维重建系统的硬件设计 | 第29-30页 |
2.4.2 脚型三维重建系统的方案 | 第30-31页 |
2.4.3 脚型三维重建的基本流程 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第3章 基于Harris-SIFT算法的图像特征匹配 | 第33-43页 |
3.1 图像点特征检测 | 第33-37页 |
3.1.1 Harris点特征检测 | 第34-35页 |
3.1.2 SIFT点特征检测 | 第35-37页 |
3.2 多尺度特征点的提取与描述 | 第37-40页 |
3.2.1 多尺度图像的表示 | 第37-38页 |
3.2.2 Harris-Laplace角点检测 | 第38页 |
3.2.3 SIFT特征点主方向的生成 | 第38-39页 |
3.2.4 SIFT描述符的生成 | 第39-40页 |
3.3 图像匹配 | 第40-41页 |
3.3.1 基于区域的图像匹配算法 | 第40页 |
3.3.2 基于特征的图像匹配算法 | 第40-41页 |
3.3.3 本文特征图像匹配算法 | 第41页 |
3.4 本章小结 | 第41-43页 |
第4章 结合Kinect传感器和计算机立体视觉的三维点云拼接 | 第43-56页 |
4.1 三维脚型点云的获取 | 第43-44页 |
4.2 深度图像的去噪处理 | 第44-48页 |
4.2.1 高斯滤波 | 第45-46页 |
4.2.2 均值滤波 | 第46页 |
4.2.3 中值滤波 | 第46-47页 |
4.2.4 双边滤波 | 第47-48页 |
4.3 三维点云的分割 | 第48-52页 |
4.3.1 阈值分割法 | 第49-50页 |
4.3.2 背景差分法 | 第50-52页 |
4.4 深度孔洞问题 | 第52页 |
4.5 基于ICP算法的三维点云拼接 | 第52-54页 |
4.5.1 ICP算法的分析 | 第52-53页 |
4.5.2 基于特征匹配的配准的ICP算法 | 第53-54页 |
4.6 本章小结 | 第54-56页 |
第5章 人体脚型的三维重建实验与分析 | 第56-68页 |
5.1 实验环境与设备 | 第56-57页 |
5.2 人体脚型的三维重建实验 | 第57-64页 |
5.2.1 基于Harris-SIFT算法的图像的特征匹配实验与分析 | 第57-60页 |
5.2.2 三维脚型的点云模型重建实验 | 第60-62页 |
5.2.3 三维人体脚型重建实验及分析 | 第62-64页 |
5.3 三维人体脚型特征参数测量 | 第64-67页 |
5.3.1 参数测量 | 第64-65页 |
5.3.2 实验背景复杂度对测量结果的误差分析 | 第65-66页 |
5.3.3 脚型测量系统的误差分析 | 第66-67页 |
5.3.4 提高系统精度的措施 | 第67页 |
5.4 实验总结 | 第67页 |
5.5 本章小结 | 第67-68页 |
第6章 总结与展望 | 第68-70页 |
6.1 总结 | 第68-69页 |
6.2 研究创新点 | 第69页 |
6.3 对未来工作的展望 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
攻读学位期间参加的科研项目和成果 | 第75页 |