图像数据中长方体形状物体识别与匹配
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题的研究背景与意义 | 第11页 |
| 1.2 本文研究的内容和结构 | 第11-15页 |
| 1.2.1 主要研究内容 | 第11-12页 |
| 1.2.2 主要研究方法 | 第12页 |
| 1.2.3 主要研究成果 | 第12-13页 |
| 1.2.4 开发工具选择 | 第13-14页 |
| 1.2.5 本文章节安排 | 第14-15页 |
| 第二章 物体识别匹配技术的相关研究 | 第15-23页 |
| 2.1 基于模型的方法 | 第15-16页 |
| 2.2 基于视图的方法 | 第16-18页 |
| 2.3 基于局部特征的方法 | 第18-21页 |
| 2.3.1 基于Harris角点检测器的方法 | 第18-19页 |
| 2.3.2 基于局部直方图的描述子 | 第19-21页 |
| 2.4 光学三维物体识别 | 第21页 |
| 2.5 基于深度图像的三维物体识别 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 长方体匹配算法 | 第23-43页 |
| 3.1 整体匹配模型 | 第23页 |
| 3.2 分割匹配算法 | 第23-29页 |
| 3.2.1 长方体标定方法 | 第24-25页 |
| 3.2.2 ASIFT特征匹配算法 | 第25-27页 |
| 3.2.3 分割匹配算法 | 第27-29页 |
| 3.3 框架匹配算法 | 第29-37页 |
| 3.3.1 透视图 | 第30-33页 |
| 3.3.2 透视反求 | 第33-34页 |
| 3.3.3 框架匹配算法 | 第34-37页 |
| 3.4 混合匹配算法 | 第37-41页 |
| 3.4.1 权重的选择 | 第37-41页 |
| 3.4.2 总体算法流程 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 实验评价 | 第43-69页 |
| 4.1 标准数据库构建 | 第43-48页 |
| 4.1.1 SUN数据库的子集 | 第43-46页 |
| 4.1.2 构建的图片数据集 | 第46-48页 |
| 4.2 评价标准 | 第48-49页 |
| 4.3 实验设计 | 第49-50页 |
| 4.4 权重的定量分析实验 | 第50-59页 |
| 4.4.1 清晰度对权重影响的定量分析 | 第50-53页 |
| 4.4.2 视角对权重影响的定量分析 | 第53页 |
| 4.4.3 距离对权重影响的定量分析 | 第53-56页 |
| 4.4.4 图案特征数量对权重影响的定量分析 | 第56-59页 |
| 4.5 实验结果与讨论 | 第59-69页 |
| 第五章 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 作者简介 | 第77页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
