| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 本文工作 | 第13-14页 |
| 1.3 篇章结构 | 第14-16页 |
| 第2章 研究现状与相关工作 | 第16-24页 |
| 2.1 三维测距技术 | 第16-19页 |
| 2.1.1 飞行时间测距 | 第17-18页 |
| 2.1.2 三角测距 | 第18页 |
| 2.1.3 结构光测距 | 第18-19页 |
| 2.2 三维重建技术 | 第19-20页 |
| 2.3 三维模型形变技术 | 第20-21页 |
| 2.4 形变捕捉技术 | 第21页 |
| 2.5 本章小结 | 第21-24页 |
| 第3章 算法概述 | 第24-26页 |
| 第4章 基于深度相机的静态模型采集 | 第26-32页 |
| 4.1 基于深度相机的三维重建概述 | 第26页 |
| 4.2 三维重建流程 | 第26-30页 |
| 4.2.1 深度图转换 | 第28页 |
| 4.2.2 相机位姿估计 | 第28-29页 |
| 4.2.3 体素模型融合 | 第29页 |
| 4.2.4 光线投射 | 第29-30页 |
| 4.2.5 生成网格模型 | 第30页 |
| 4.3 本章小结 | 第30-32页 |
| 第5章 基于RGBD图片的物体位姿估计 | 第32-42页 |
| 5.1 手部点云分割 | 第32-36页 |
| 5.1.1 颜色过滤 | 第33-34页 |
| 5.1.2 深度过滤 | 第34-36页 |
| 5.1.3 最大连通域 | 第36页 |
| 5.2 物体点云分割 | 第36-38页 |
| 5.3 模型对齐 | 第38-41页 |
| 5.3.1 4PCS算法与Super 4PCS算法 | 第38-40页 |
| 5.3.2 本文的对齐策略 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第6章 基于RGBD视频的形变捕捉与关键帧提取 | 第42-56页 |
| 6.1 网格形变的描述 | 第42-48页 |
| 6.1.1 双四元数 | 第42-44页 |
| 6.1.2 基于双四元数的形变图 | 第44-45页 |
| 6.1.3 形变图的构建 | 第45-48页 |
| 6.2 形变参数优化 | 第48-52页 |
| 6.2.1 形变优化流程 | 第48-50页 |
| 6.2.2 数据能量项 | 第50-51页 |
| 6.2.3 相邻节点约束 | 第51-52页 |
| 6.3 提取形变关键帧 | 第52-54页 |
| 6.3.1 多视角关键帧合成 | 第52-53页 |
| 6.3.2 关键帧对齐 | 第53-54页 |
| 6.4 本章小结 | 第54-56页 |
| 第7章 基于形变梯度的形变子空间构建 | 第56-64页 |
| 7.1 基于形变梯度的形变子空间 | 第56-60页 |
| 7.1.1 形变梯度 | 第56-58页 |
| 7.1.2 基于形变梯度的特征向量 | 第58-59页 |
| 7.1.3 特征向量的非线性插值 | 第59-60页 |
| 7.2 基于形变子空间的网格模型形状修改 | 第60-62页 |
| 7.2.1 形状优化模型 | 第60-61页 |
| 7.2.2 优化问题的求解 | 第61-62页 |
| 7.3 本章小结 | 第62-64页 |
| 第8章 结果分析 | 第64-72页 |
| 8.1 初始位姿估计结果 | 第64-66页 |
| 8.2 关键帧提取结果 | 第66-67页 |
| 8.3 形变子空间形变结果 | 第67-70页 |
| 8.4 本章小结 | 第70-72页 |
| 第9章 总结与展望 | 第72-74页 |
| 9.1 本文总结 | 第72页 |
| 9.2 工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简历 | 第80页 |