基于散斑的3D体感交互算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 体感技术的研究现状与发展趋势 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 基于光学感测的体感技术的核心算法 | 第13-21页 |
| 2.1 三维重建 | 第13-15页 |
| 2.1.1 飞行时间测量法（TOF） | 第13-14页 |
| 2.1.2 多目立体视觉 | 第14-15页 |
| 2.1.3 结构光法 | 第15页 |
| 2.2 人体姿态估计 | 第15-20页 |
| 2.2.1 运动目标提取与跟踪 | 第16-17页 |
| 2.2.2 姿态估计 | 第17-19页 |
| 2.2.3 人体姿态估计中常见问题 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于散斑的分阶段三维重建 | 第21-33页 |
| 3.1 相关工作与重建算法总体流程 | 第21-22页 |
| 3.2 相关函数及其加速计算 | 第22-25页 |
| 3.2.0 三角测量 | 第23页 |
| 3.2.1 ZNCC相关函数 | 第23-24页 |
| 3.2.2 ZNCC加速计算方法 | 第24-25页 |
| 3.3 分阶段重建算法 | 第25-28页 |
| 3.3.1 “赢者通吃”匹配策略 | 第26页 |
| 3.3.2 基于预测的种子生长匹配策略 | 第26-28页 |
| 3.4 实验结果与分析 | 第28-31页 |
| 3.4.1 ZNCC相关函数光照适应性验证实验 | 第29-30页 |
| 3.4.2 ZNCC加速计算方法验证实验 | 第30页 |
| 3.4.3 种子点网格大小选取实验 | 第30-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 基于随机森林的人体姿态估计 | 第33-43页 |
| 4.1 基于决策树的机器学习 | 第33-36页 |
| 4.1.1 ID3算法 | 第34-35页 |
| 4.1.2 C4.5算法 | 第35页 |
| 4.1.3 常见问题与解决方案 | 第35-36页 |
| 4.2 基于随机森林的姿态估计算法 | 第36-40页 |
| 4.2.1 特征定义 | 第36-37页 |
| 4.2.2 基于特征预筛选的随机森林训练算法 | 第37-39页 |
| 4.2.3 关节与姿态估计 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-41页 |
| 4.3.1 特征筛选对比实验 | 第40-41页 |
| 4.3.2 分层预测对比实验 | 第41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 基于散斑的体感交互算法的集成实验 | 第43-49页 |
| 5.1 基于散斑的分阶段三维重建算法验证实验 | 第43-45页 |
| 5.1.1 分阶段重建算法有效性验证实验 | 第43-44页 |
| 5.1.2 分阶段重建算法重建精度对比实验 | 第44-45页 |
| 5.1.3 分阶段重建算法时间消耗实验 | 第45页 |
| 5.2 基于随机森林的人体姿态估计算法验证实验 | 第45-47页 |
| 5.3 基于散斑的体感交互算法集成实验 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
