首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

三维点云场景中对象识别技术研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 引言第11-12页
    1.2 点云物体识别研究现状第12-14页
        1.2.1 物体识别研究现状第12-13页
        1.2.2 点云物体识别研究现状第13-14页
    1.3 本文的主要工作第14-15页
    1.4 本文的内容组织第15-17页
第2章 PCL点云库介绍第17-25页
    2.1 PCL的发展与应用第17-18页
    2.2 PCL的功能模块第18-20页
    2.3 PCL的安装与测试第20-21页
    2.4 PCL的数据格式第21-23页
    2.5 本章小结第23-25页
第3章 基于图匹配的局部特征对象点云识别技术第25-41页
    3.1 点云局部特征分析第25-31页
        3.1.1 表面法线第27-28页
        3.1.2 PFH第28-29页
        3.1.3 FPFH第29-31页
        3.1.4 SHOT第31页
    3.2 图匹配算法分析第31-35页
        3.2.1 问题描述第32-33页
        3.2.2 问题转化与求解第33-34页
        3.2.3 算法分析第34页
        3.2.4 复杂度分析第34-35页
    3.3 基于图匹配的点云识别算法流程第35-37页
    3.4 实验分析第37-40页
        3.4.1 数据集第37-38页
        3.4.2 参数设置第38页
        3.4.3 实验结果第38-40页
    3.5 本章小结第40-41页
第4章 全局特征和局部特征融合的点云识别技术第41-51页
    4.1 点云全局特征分析第41-43页
        4.1.1 VFH第41-43页
        4.1.2 CVFH第43页
    4.2 算法的提出及流程分析第43-46页
    4.3 模型库构建第46-48页
        4.3.1 模型获取第46-47页
        4.3.2 模型训练第47-48页
    4.4 实验分析第48-50页
    4.5 本章小结第50-51页
第5章 点云识别原型系统设计第51-56页
    5.1 系统功能介绍第51-53页
    5.2 系统设计与展示第53-55页
    5.3 本章小结第55-56页
第6章 总结与展望第56-58页
    6.1 本文的工作总结第56-57页
    6.2 进一步工作展望第57-58页
参考文献第58-64页
简历与科研成果第64-65页
致谢第65-66页

论文共66页,点击 下载论文
上一篇:基于软件定义网络的网络资源配置研究
下一篇:基于卷积神经网络的图像超分辨率重建及其视觉改进