基于RGB-D数据的室内场景分割技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究的课题及内容安排 | 第13-15页 |
| 第2章 RGB-D数据获取及点云合成 | 第15-25页 |
| 2.1 三维图像获取技术 | 第15-17页 |
| 2.2 Kinect摄像机 | 第17-18页 |
| 2.3 Kinect深度图像成像原理 | 第18-19页 |
| 2.4 三维数据存在的噪声分析 | 第19-20页 |
| 2.5 三维数据的预处理 | 第20-24页 |
| 2.5.1 Kinect原始深度图像的空洞修复 | 第20-21页 |
| 2.5.2 深度图像滤波处理 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 超像素融合分割 | 第25-38页 |
| 3.1 超像素算法分类 | 第25-33页 |
| 3.1.1 ERS算法 | 第26-27页 |
| 3.1.2 SEEDS超像素算法 | 第27-29页 |
| 3.1.3 SLIC超像素 | 第29-33页 |
| 3.2 超像素融合 | 第33-36页 |
| 3.2.1 超像素特征提取 | 第33-34页 |
| 3.2.2 基于EMD的相似性度量 | 第34-35页 |
| 3.2.3 自适应融合 | 第35-36页 |
| 3.3 实验结果分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于点云的超体素融合分割 | 第38-63页 |
| 4.1 超体素分割 | 第38-48页 |
| 4.1.1 点云转化为体素云 | 第39-42页 |
| 4.1.2 三维体素特征提取 | 第42-45页 |
| 4.1.3 相邻体素的距离度量 | 第45页 |
| 4.1.4 基于三维体素的场景分割 | 第45-46页 |
| 4.1.5 超体素分割结果 | 第46-48页 |
| 4.2 超体素融合 | 第48-53页 |
| 4.2.1 凸连接判定准则 | 第48-50页 |
| 4.2.2 基于区域生长法的超体素融合 | 第50页 |
| 4.2.3 超体素融合实验结果 | 第50-53页 |
| 4.3 graph-base全局优化 | 第53-59页 |
| 4.3.1 数据损失 | 第56-57页 |
| 4.3.2 平滑损失 | 第57-58页 |
| 4.3.3 标签损失 | 第58-59页 |
| 4.4 实验结果及分析 | 第59-61页 |
| 4.4.1 实验结果 | 第59页 |
| 4.4.2 与其他算法实验结果直观对比 | 第59-60页 |
| 4.4.3 分割结果性能量化对比 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A 攻读学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
