基于深度图像的三维重建技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·基于图像三维重建技术研究现状 | 第11-14页 |
| ·国内外研究现状 | 第11-13页 |
| ·深度图像重建 | 第13-14页 |
| ·课题研究内容及意义 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·研究意义 | 第14-15页 |
| ·论文结构组织 | 第15-16页 |
| 2 深度图像 | 第16-22页 |
| ·深度图像概念 | 第16页 |
| ·深度图像的获取和表示 | 第16-19页 |
| ·深度图像的获取 | 第16-18页 |
| ·深度图像的表示 | 第18-19页 |
| ·由深度图像建立三维物体几何模型的过程 | 第19-21页 |
| ·小结 | 第21-22页 |
| 3 数据预处理 | 第22-36页 |
| ·噪声点的处理 | 第22-29页 |
| ·噪声产生原因 | 第22-23页 |
| ·噪声点的数学模型分析 | 第23-24页 |
| ·噪声点的分类 | 第24-25页 |
| ·常用的有序点云去噪算法 | 第25-26页 |
| ·本文改进的k-d tree去噪算法 | 第26-28页 |
| ·实验结果与分析 | 第28-29页 |
| ·数据精简 | 第29-35页 |
| ·点云数据精简方式 | 第29-30页 |
| ·常用的散乱点云精简方法 | 第30-32页 |
| ·本文使用的混合采样方法 | 第32-34页 |
| ·点云精简算法评价 | 第34-35页 |
| ·小结 | 第35-36页 |
| 4 深度图像配准 | 第36-45页 |
| ·深度图像配准介绍 | 第36-37页 |
| ·配准问题及目标 | 第36-37页 |
| ·配准的定义 | 第37页 |
| ·深度图像配准常用算法 | 第37-38页 |
| ·基于特征的深度图像配准 | 第38-42页 |
| ·遗传算法 | 第42-44页 |
| ·遗传算法概念 | 第43页 |
| ·遗传算法操作 | 第43-44页 |
| ·小结 | 第44-45页 |
| 5 改进的图像配准技术 | 第45-60页 |
| ·原始ICP算法 | 第45-49页 |
| ·算法原理 | 第45-46页 |
| ·迭代步骤 | 第46-47页 |
| ·算法的具体实现 | 第47-48页 |
| ·迭代条件 | 第48-49页 |
| ·原始ICP算法的评价 | 第49页 |
| ·ICP算法的改进 | 第49-54页 |
| ·ICP算法的改进方向 | 第49-52页 |
| ·Chen和Medioni提出的改进ICP算法 | 第52页 |
| ·本文使用的基于平方距离函数的ICP算法 | 第52-54页 |
| ·其他改进的ICP算法 | 第54页 |
| ·基于遗传算法的ICP图像配准 | 第54-58页 |
| ·染色体编码 | 第55-56页 |
| ·适应度函数 | 第56页 |
| ·实验结果与分析 | 第56-58页 |
| ·数据融合 | 第58页 |
| ·小结 | 第58-60页 |
| 6 三维重建 | 第60-66页 |
| ·三维重建方法概述 | 第60-61页 |
| ·三角网格化 | 第61-64页 |
| ·Voronoi图和Delaunay三角剖分 | 第61-63页 |
| ·拉普拉斯平滑算法 | 第63-64页 |
| ·实验结果与分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 7 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·进一步工作 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
