基于深度相机Kinect的植物叶片重建研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究的背景 | 第10页 |
| 1.1.2 研究的意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于图像的叶片建模 | 第12页 |
| 1.2.2 基于图形的叶片建模 | 第12-13页 |
| 1.2.3 基于三维点坐标的叶片建模 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文基本结构 | 第15-17页 |
| 第二章 Kinect点云获取 | 第17-29页 |
| 2.1 Kinect简介 | 第17-19页 |
| 2.2 点云数据采集 | 第19-24页 |
| 2.2.1 深度数据获取 | 第19-21页 |
| 2.2.2 图像数据获取 | 第21-24页 |
| 2.3 初始点云采集 | 第24-27页 |
| 2.3.1 局部配准 | 第24-25页 |
| 2.3.2 全局配准 | 第25-27页 |
| 2.4 叶片点云实验结果展示 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于RGB的点云递减简化 | 第29-46页 |
| 3.1 点云异色点去噪 | 第29-31页 |
| 3.1.1 无关异色点 | 第29-30页 |
| 3.1.2 有关异色点 | 第30-31页 |
| 3.2 点云简化 | 第31-35页 |
| 3.2.1 随机采样算法 | 第32-33页 |
| 3.2.2 空间包围盒算法 | 第33页 |
| 3.2.3 立体栅格化算法 | 第33-34页 |
| 3.2.4 曲率采样算法 | 第34-35页 |
| 3.3 基于RGB的点云递减简化 | 第35-40页 |
| 3.3.1 叶片分割 | 第35-38页 |
| 3.3.2 边界点检测 | 第38-39页 |
| 3.3.3 点云递归简化 | 第39-40页 |
| 3.4 叶片点云简化网格重建实验结果显示 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 Kinect网格与多密度点云重建 | 第46-58页 |
| 4.1 网格重建 | 第46-49页 |
| 4.1.1 基于Delaunay的重建算法 | 第46-47页 |
| 4.1.2 基于区域扩张的重建算法 | 第47页 |
| 4.1.3 基于学习驱动的重建算法 | 第47-48页 |
| 4.1.4 基于隐式曲面的重建算法 | 第48-49页 |
| 4.2 RGB简化点云Poisson曲面重建 | 第49-53页 |
| 4.3 多密度点云重建 | 第53-55页 |
| 4.4 网格与多密度点云重建实验结果显示 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 系统设计与实现 | 第58-67页 |
| 5.1 硬件实验环境搭建 | 第58页 |
| 5.2 软件实验系统搭建 | 第58-61页 |
| 5.2.1 OpenNI | 第59页 |
| 5.2.2 OpenGL | 第59-60页 |
| 5.2.3 Qt | 第60-61页 |
| 5.3 原型系统设计流程 | 第61-62页 |
| 5.4 原型系统主要功能模块 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 发表的论文 | 第75页 |
