基于RGBD的柔性可变形物体序列重建
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 重建技术研究现状 | 第13-17页 |
| 1.2.1 静态三维重建研究现状 | 第13-15页 |
| 1.2.2 动态三维重建研究现状 | 第15-16页 |
| 1.2.3 序列重建研究现状 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 1.4 本文内容安排 | 第19-21页 |
| 2 序列重建的基础理论 | 第21-26页 |
| 2.1 RGBD相机 | 第21-23页 |
| 2.1.1 深度相机原理 | 第21-22页 |
| 2.1.2 相机模型 | 第22-23页 |
| 2.2 迭代最近点算法 | 第23-24页 |
| 2.3 拉普拉斯网格变形 | 第24-26页 |
| 2.3.1 拉普拉斯坐标 | 第24-25页 |
| 2.3.2 顶点位置求解 | 第25-26页 |
| 3 基于多相机的柔性可变形物体三维重建 | 第26-47页 |
| 3.1 多角度RGBD数据采集系统 | 第26-28页 |
| 3.2 基于Surfel模型的三维网格重建 | 第28-38页 |
| 3.2.1 数据预处理 | 第28-33页 |
| 3.2.2 点云数据融合 | 第33-36页 |
| 3.2.3 三维网格生成 | 第36-38页 |
| 3.3 基于ABF++算法的连续纹理重建 | 第38-46页 |
| 3.3.1 三维网格展开 | 第39-41页 |
| 3.3.2 连续纹理生成 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于自完善模板的柔性可变形物体序列重建 | 第47-66页 |
| 4.1 基于纹理特征点的时空约束求解 | 第47-51页 |
| 4.1.1 纹理特征点追踪 | 第47-49页 |
| 4.1.2 时空约束建立 | 第49-51页 |
| 4.2 基于自完善模板的模型信息融合 | 第51-60页 |
| 4.2.1 自完善模板工作流程 | 第51-52页 |
| 4.2.2 目标模型信息提取 | 第52-55页 |
| 4.2.3 自完善模板信息补充 | 第55-60页 |
| 4.3 基于自完善模板的序列重建 | 第60-64页 |
| 4.3.1 模型信息融合 | 第61-63页 |
| 4.3.2 目标模型还原 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 柔性可变形物体序列重建应用实例 | 第66-75页 |
| 5.1 实验平台及系统框架 | 第67-69页 |
| 5.1.1 试衣机器人 | 第67-68页 |
| 5.1.2 虚拟试衣系统框架 | 第68-69页 |
| 5.2 服装形变预测模型 | 第69-72页 |
| 5.2.1 服装数据预处理 | 第69-71页 |
| 5.2.2 数据映射关系建立 | 第71-72页 |
| 5.3 实验结果与分析 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
