| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 结构光三维测量技术发展现状 | 第11-12页 |
| 1.2.2 三维测量系统标定现状 | 第12-13页 |
| 1.2.3 三维点云配准发展现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第2章 基于结构光的三维模型重建技术的理论分析 | 第17-28页 |
| 2.1 相机标定模型 | 第17-23页 |
| 2.1.1 参考坐标系 | 第17-19页 |
| 2.1.2 相机成像模型 | 第19-21页 |
| 2.1.3 相机-投影标定方法 | 第21-23页 |
| 2.2 结构光三维测量原理 | 第23-24页 |
| 2.2.1 结构光三角法测量原理 | 第23-24页 |
| 2.2.2 相移法原理 | 第24页 |
| 2.3 点云配准相关技术 | 第24-27页 |
| 2.3.1 点云配准模型 | 第24-25页 |
| 2.3.2 点云粗配准算法 | 第25-26页 |
| 2.3.3 点云精配准算法 | 第26页 |
| 2.3.4 多视角点云配准算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于卷积神经网络特征提取的点云配准算法 | 第28-37页 |
| 3.1 现有问题 | 第29-30页 |
| 3.2 基于卷积神经网络特征提取的点云配准 | 第30-36页 |
| 3.2.1 点云粗配准 | 第30-34页 |
| 3.2.2 点云精配准 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于闭合约束的LRS矩阵分解的多视角点云配准 | 第37-42页 |
| 4.1 LRS矩阵分解模型 | 第37-38页 |
| 4.2 基于闭合约束的LRS矩阵分解的多视角点云配准 | 第38-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 三维模型重建实验结果与分析 | 第42-55页 |
| 5.1 实验设置 | 第42页 |
| 5.2 点云配准实验结果 | 第42-50页 |
| 5.2.1 基于卷积神经网络的特征描述符性能分析 | 第42-46页 |
| 5.2.2 点云精配准精度分析 | 第46-50页 |
| 5.3 多视角点云配准实验结果 | 第50-51页 |
| 5.4 结构光三维模型重建 | 第51-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 研究工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间参加的科研项目和成果 | 第62页 |