| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文结构 | 第13-15页 |
| 第二章 点云数据采集与可视化 | 第15-25页 |
| 2.1 PCL点云库与点云数据 | 第15-17页 |
| 2.1.1 PCL点云库简介 | 第15-16页 |
| 2.1.2 点云数据的存储与可视化 | 第16-17页 |
| 2.2 点云数据的获取方法与途径 | 第17-21页 |
| 2.2.1 Kinect体感设备简介 | 第17-18页 |
| 2.2.2 深度测距关键技术 | 第18-19页 |
| 2.2.3 相机参数及其标定技术原理 | 第19-21页 |
| 2.2.4 所用实验数据的获取流程 | 第21页 |
| 2.3 Kinect深度测距原理及其误差来源分析 | 第21-24页 |
| 2.3.1 Kinect深度测距原理 | 第21-22页 |
| 2.3.2 Kinect深度图像数据的误差来源分析 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 实验数据预处理 | 第25-43页 |
| 3.1 深度图像滤波及相关滤波算法 | 第25-32页 |
| 3.1.1 基于单幅图像的邻域平均法滤波 | 第26-29页 |
| 3.1.2 基于单幅图像的经典双边滤波 | 第29-31页 |
| 3.1.3 基于多帧图像的均值滤波 | 第31-32页 |
| 3.2 结合深度数据的目标提取 | 第32-41页 |
| 3.2.1 基于阈值的深度图像分割算法 | 第32-35页 |
| 3.2.2 基于阈值的点云数据分割算法 | 第35-37页 |
| 3.2.3 基于采样一致性的点云分割算法 | 第37-39页 |
| 3.2.4 基于Kinect最佳视距的目标点云提取策略 | 第39-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第四章 点云配准算法分析与改进 | 第43-74页 |
| 4.1 迭代最近点（ICP）算法 | 第43-52页 |
| 4.1.1 ICP算法基本原理 | 第43-45页 |
| 4.1.2 基于Kd-tree近邻搜索的ICP算法加速 | 第45-46页 |
| 4.1.3 基于体素化网格的ICP算法加速 | 第46-48页 |
| 4.1.4 变换矩阵的四元数法求解 | 第48-49页 |
| 4.1.5 ICP算法的实验与结果分析 | 第49-52页 |
| 4.2 关键点提取与特征描述 | 第52-65页 |
| 4.2.1 表面法线估计 | 第53-54页 |
| 4.2.2 PFH与FPHF描述子 | 第54-57页 |
| 4.2.3 NARF关键点 | 第57-59页 |
| 4.2.4 3D-SIFT关键点 | 第59-61页 |
| 4.2.5 RGB颜色关键点描述子 | 第61-65页 |
| 4.3 点云粗配准算法 | 第65-69页 |
| 4.3.1 基于采样一致性的点云粗配准算法 | 第65-66页 |
| 4.3.2 基于关键点描述子的点云粗配准算法 | 第66-67页 |
| 4.3.3 联合粗配准算法 | 第67-69页 |
| 4.4 联合配准策略与实验结果 | 第69-73页 |
| 4.4.1 XYZ型点云的联合配准实验 | 第69-70页 |
| 4.4.2 XYZRGB型点云的联合配准实验 | 第70-72页 |
| 4.4.3 XYZRGB型多点云连续配准实验 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| 5.1 论文工作总结 | 第74-75页 |
| 5.2 缺陷与展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
