| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 课题研究的背景和意义 | 第14-15页 |
| 1.2 国内外研究现状及分析 | 第15-16页 |
| 1.3 本文的主要研究内容及章节安排 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文的章节安排 | 第17-19页 |
| 第二章 融合RGB特征和Depth特征的3D目标识别概述 | 第19-35页 |
| 2.1 Depth信息的获取方法 | 第19-24页 |
| 2.1.1 双目立体视觉 | 第20页 |
| 2.1.2 飞行时间法 | 第20-22页 |
| 2.1.3 结构光传感器 | 第22-24页 |
| 2.2 目标特征描述子 | 第24-31页 |
| 2.2.1 RGB图像特征描述子 | 第24-29页 |
| 2.2.2 Depth图像的特征描述子 | 第29-31页 |
| 2.3 信息融合方法 | 第31-33页 |
| 2.3.1 像素级融合 | 第31-32页 |
| 2.3.2 特征级融合 | 第32页 |
| 2.3.3 决策级融合 | 第32-33页 |
| 2.4 3D目标识别数据集 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于多核学习的融合RGB特征和Depth特征的3D目标识别 | 第35-45页 |
| 3.1 目标特征自适应权重的计算 | 第35-37页 |
| 3.2 多核学习理论 | 第37-39页 |
| 3.3 基于多核学习的3D目标识别 | 第39-41页 |
| 3.4 实验结果与分析 | 第41-44页 |
| 3.4.1 实验设置 | 第41-42页 |
| 3.4.2 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于D-S证据理论的融合RGB特征和Depth特征的3D目标识别 | 第45-60页 |
| 4.1 支持向量机 | 第45-48页 |
| 4.2 D-S证据理论 | 第48-54页 |
| 4.2.1 D-S证据理论的理论基础 | 第49-51页 |
| 4.2.2 D-S证据理论融合规则 | 第51-54页 |
| 4.3 结合SVM和D-S证据理论的3D目标识别 | 第54-56页 |
| 4.4 实验结果与分析 | 第56-59页 |
| 4.4.1 实验设置 | 第56页 |
| 4.4.2 实验结果与分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67页 |
