| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.2 相关技术研究现状 | 第12-19页 |
| 1.2.1 点云描述算法研究现状 | 第12-15页 |
| 1.2.2 三维目标识别研究现状 | 第15-17页 |
| 1.2.3 三维重建技术研究现状 | 第17-19页 |
| 1.3 本文主要工作 | 第19-20页 |
| 1.4 本文章节安排 | 第20-23页 |
| 第二章 点云获取与预处理技术 | 第23-33页 |
| 2.1 三维数据结构与点云的获取 | 第23-26页 |
| 2.2 点云的法向量估计 | 第26-27页 |
| 2.3 点云的滤波技术 | 第27-30页 |
| 2.3.1 点云的体素滤波 | 第28页 |
| 2.3.2 点云的直通滤波 | 第28-29页 |
| 2.3.3 离群点移除技术 | 第29-30页 |
| 2.4 点云的分割技术 | 第30-32页 |
| 2.4.1 随机采样一致分割 | 第30-31页 |
| 2.4.2 欧式聚类分割 | 第31页 |
| 2.4.3 区域生长分割 | 第31-32页 |
| 2.5 本章小结与讨论 | 第32-33页 |
| 第三章 Frame-SHOT复合型点云特征描述算法 | 第33-47页 |
| 3.1 点云描述的理论框架与现存问题 | 第33-34页 |
| 3.2 Frame-SHOT特征描述算法 | 第34-39页 |
| 3.2.1 算法概述 | 第35页 |
| 3.2.2 局部子特征 | 第35-36页 |
| 3.2.3 全局子特征 | 第36-39页 |
| 3.3 实验与分析 | 第39-45页 |
| 3.3.1 Bologna数据集与评价标准 | 第39-40页 |
| 3.3.2 描述子的参数选择实验 | 第40-42页 |
| 3.3.3 描述子匹配实验 | 第42-45页 |
| 3.4 本章小结与讨论 | 第45-47页 |
| 第四章 基于Frame-SHOT描述子的三维目标识别算法 | 第47-57页 |
| 4.1 三维目标识别的意义与框架 | 第47-48页 |
| 4.2 Kinect数据集上的识别实验 | 第48-50页 |
| 4.2.1 Kinect数据集介绍与预处理 | 第48页 |
| 4.2.2 实验流程与框架 | 第48-49页 |
| 4.2.3 实验结果与分析 | 第49-50页 |
| 4.3 Challenge数据集上的识别实验 | 第50-56页 |
| 4.3.1 Challenge数据集介绍与预处理 | 第50-51页 |
| 4.3.2 实验流程与框架 | 第51-54页 |
| 4.3.3 实验结果与分析 | 第54-56页 |
| 4.4 本章小结与讨论 | 第56-57页 |
| 第五章 基于Frame-SHOT描述子的三维重建算法 | 第57-69页 |
| 5.1 基于Frame-SHOT描述子的点云配准算法 | 第57-60页 |
| 5.1.1 对应特征点集的生成 | 第58页 |
| 5.1.2 点云变换与配准 | 第58-60页 |
| 5.2 基于移动最小二乘与几何面片的表面重建算法 | 第60-62页 |
| 5.2.1 移动最小二乘算法 | 第60-61页 |
| 5.2.2 基于几何面片的复合型表面重建算法 | 第61-62页 |
| 5.3 点云配准与三维重建实验 | 第62-67页 |
| 5.3.1 基于定向最小包围盒的空间尺度评价 | 第63-66页 |
| 5.3.2 实验结果与分析 | 第66-67页 |
| 5.4 本章小结与讨论 | 第67-69页 |
| 第六章 总结与展望 | 第69-73页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 工作展望 | 第70-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间的学术成果 | 第83-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
