| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第14-27页 |
| 1.1 研究背景与意义 | 第14-18页 |
| 1.2 基于图像的室内三维模型重建现状与问题 | 第18-23页 |
| 1.3 论文的研究内容和章节安排 | 第23-27页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 章节安排 | 第24-27页 |
| 第二章 多视图三维模型重建方法概述 | 第27-49页 |
| 2.1 相关基础知识 | 第27-39页 |
| 2.1.1 特征点提取与匹配方法 | 第27-29页 |
| 2.1.2 相机参数估计方法 | 第29-31页 |
| 2.1.3 光束法平差方法 | 第31-32页 |
| 2.1.4 多视图匹配基础算法 | 第32-39页 |
| 2.2 三维点云模型重建方法 | 第39-42页 |
| 2.2.1 SfM三维点云重建算法 | 第39-40页 |
| 2.2.2 PMVS稠密点云重建算法 | 第40-42页 |
| 2.3 三维表面模型重建方法 | 第42-47页 |
| 2.3.1 常用的表面重建算法 | 第43-44页 |
| 2.3.2 基于MRF的多类别标记表面重建算法 | 第44-45页 |
| 2.3.3 融合结构先验项的MRF多类别标记表面重建算法 | 第45-47页 |
| 2.4 本章小结 | 第47-49页 |
| 第三章 基于图像语义分类的室内三维点云模型快速重建 | 第49-68页 |
| 3.1 概述 | 第49-52页 |
| 3.2 图像分类和室内局部场景重建 | 第52-55页 |
| 3.2.1 基于视觉词袋模型和SVM的图像分类 | 第52-54页 |
| 3.2.2 基于SfM的局部场景模型重建 | 第54-55页 |
| 3.3 基于RANSAC GPA算法的点云拼接 | 第55-57页 |
| 3.4 实验与分析 | 第57-66页 |
| 3.4.1 实验数据 | 第58-59页 |
| 3.4.2 图像分类结果与分析 | 第59-60页 |
| 3.4.3 分层SfM建模结果与分析 | 第60-64页 |
| 3.4.4 对比分析 | 第64-66页 |
| 3.5 本章小结 | 第66-68页 |
| 第四章 基于图像语义传递的室内三维点云模型语义标记 | 第68-81页 |
| 4.1 概述 | 第68-71页 |
| 4.2 基于FCN的室内场景语义分类和空间布局提取 | 第71-72页 |
| 4.3 基于图模型的2D-3D语义传递 | 第72-76页 |
| 4.3.1 像素标记池构建 | 第73页 |
| 4.3.2 图模型构建 | 第73-74页 |
| 4.3.3 多类别标记能量函数构建 | 第74-76页 |
| 4.4 实验与分析 | 第76-80页 |
| 4.4.1 实验数据 | 第76-78页 |
| 4.4.2 FCN分类试验结果和分析 | 第78-79页 |
| 4.4.3 点云分类实验结果和分析 | 第79-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 融合场景语义和几何先验的室内三维表面模型重建 | 第81-92页 |
| 5.1 概述 | 第81-83页 |
| 5.2 基于多类别标记的表面模型重建 | 第83-89页 |
| 5.2.1 多类别标记问题描述 | 第83-84页 |
| 5.2.2 基于可视性模型的数据项构建 | 第84-86页 |
| 5.2.3 基于语义类别的平滑项构建 | 第86-88页 |
| 5.2.4 能量函数最优化求解 | 第88-89页 |
| 5.3 实验与分析 | 第89-91页 |
| 5.3.1 实验数据 | 第89-90页 |
| 5.3.2 表面建模实验结果与分析 | 第90-91页 |
| 5.4 本章小结 | 第91-92页 |
| 第六章 应用与总结 | 第92-103页 |
| 6.1 室内三维建模与位置服务应用 | 第92-100页 |
| 6.1.1 室内定位方法概述 | 第92-93页 |
| 6.1.2 基于室内三维模型的室内定位方法 | 第93-97页 |
| 6.1.3 定位结果与可视化展示 | 第97-100页 |
| 6.2 本文总结 | 第100-101页 |
| 6.3 研究展望 | 第101-103页 |
| 参考文献 | 第103-112页 |
| 附录 | 第112-113页 |
| 致谢 | 第113页 |
