复杂三维点云场景中的目标识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景以及意义 | 第11-12页 |
| 1.2 三维目标识别的研究现状 | 第12-16页 |
| 1.2.1 基于二维图像的三维目标识别方法 | 第13-15页 |
| 1.2.2 基于三维点云和网格的识别方法 | 第15-16页 |
| 1.3 常用的三维识别模型库 | 第16-19页 |
| 1.3.1 Retrieval模型库 | 第16-17页 |
| 1.3.2 Bo D1模型库 | 第17页 |
| 1.3.3 U3OR模型库 | 第17-18页 |
| 1.3.4 CFVD模型库 | 第18-19页 |
| 1.4 本文的章节安排 | 第19-20页 |
| 第2章 基于局部特征的三维目标识别方法 | 第20-30页 |
| 2.1 基于局部特征的目标识别算法 | 第20-28页 |
| 2.1.1 特征点提取 | 第20-22页 |
| 2.1.2 特征描述 | 第22-25页 |
| 2.1.3 特征匹配 | 第25页 |
| 2.1.4 假设生成 | 第25-27页 |
| 2.1.5 假设验证 | 第27-28页 |
| 2.2 本章小结 | 第28-30页 |
| 第3章 基于改进的ISS3D特征点提取 | 第30-42页 |
| 3.1 原ISS3D特征点 | 第30-33页 |
| 3.1.1 求支撑域 | 第31-32页 |
| 3.1.2 去除边界点 | 第32页 |
| 3.1.3 建立散布矩阵并EVD分解 | 第32-33页 |
| 3.1.4 非极大值抑制 | 第33页 |
| 3.2 改进ISS3D特征点 | 第33-35页 |
| 3.2.1 噪声问题的处理 | 第33页 |
| 3.2.2 点云密度的处理 | 第33-34页 |
| 3.2.3 离群点和显著度的处理 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-41页 |
| 3.3.1 特征点评价标准 | 第35-36页 |
| 3.3.2 Retrieval模型库实验 | 第36-38页 |
| 3.3.3 Bo D1模型库实验 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于改进的SHOT特征提取 | 第42-54页 |
| 4.1 原SHOT特征 | 第42-45页 |
| 4.1.1 建立局部坐标系LRF | 第42-43页 |
| 4.1.2 SHOT特征生成 | 第43-45页 |
| 4.2 改进的SHOT特征 | 第45-49页 |
| 4.2.1 局部坐标系LRF改进 | 第45-48页 |
| 4.2.2 法向计算的改进 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.3.1 局部坐标系的鲁棒性实验 | 第49-51页 |
| 4.3.2 特征描述性实验 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 三维点云中的目标识别实验 | 第54-61页 |
| 5.1 本文三维点云中目标识别流程 | 第54页 |
| 5.2 模型库 | 第54-56页 |
| 5.3 实验结果与分析 | 第56-60页 |
| 5.3.1 识别效果 | 第56-58页 |
| 5.3.2 识别率测试 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简介及在学期间所获得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
