| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 术语表 | 第10-13页 |
| 1 引言 | 第13-20页 |
| 1.1 课题研究背景 | 第13页 |
| 1.2 课题研究现状 | 第13-15页 |
| 1.2.1 三维模型检索算法研究的发展现状 | 第13-14页 |
| 1.2.2 姿态估计算法研究的发展现状 | 第14-15页 |
| 1.3 相关工作 | 第15-18页 |
| 1.3.1 三维模型检索 | 第15-16页 |
| 1.3.2 特征学习 | 第16页 |
| 1.3.3 核线性分类分析 | 第16-17页 |
| 1.3.4 姿态估计 | 第17-18页 |
| 1.4 本论文的研究目标及技术路线 | 第18页 |
| 1.5 本论文的创新及优势 | 第18页 |
| 1.5.1 三维模型检索课题 | 第18页 |
| 1.5.2 姿态估计课题 | 第18页 |
| 1.6 本论文的组织结构 | 第18-20页 |
| 2 应用系统的体系结构简介 | 第20-21页 |
| 2.1 基于核线性分类分析的三维模型检索系统的流程简介 | 第20页 |
| 2.2 基于卷积神经网络的姿态估计系统的流程简介 | 第20-21页 |
| 3 基于核线性分类分析的三维模型检索算法 | 第21-31页 |
| 3.1 线性分类分析原理 | 第21-22页 |
| 3.2 核线性分类分析原理 | 第22-24页 |
| 3.3 三维模型检索算法原理 | 第24-26页 |
| 3.3.1 形状分布简介 | 第24-25页 |
| 3.3.2 形状直径函数简介 | 第25-26页 |
| 3.4 基于核线性分类分析的三维模型检索系统 | 第26-27页 |
| 3.5 三维模型检索算法性能实验 | 第27-31页 |
| 4 基于卷积神经网络的姿态估计算法 | 第31-44页 |
| 4.1 卷积神经网络原理 | 第31-35页 |
| 4.1.1 人工神经网络模型简介 | 第31-33页 |
| 4.1.2 卷积神经网络原理简介 | 第33-35页 |
| 4.2 姿态估计原理 | 第35-36页 |
| 4.3 基于卷积神经网络的姿态估计系统 | 第36-39页 |
| 4.3.1 基于卷积神经网络的姿态估计系统工程模块简介 | 第36-37页 |
| 4.3.2 训练/测试图像的生成过程 | 第37页 |
| 4.3.3 本实例中卷积神经网络的结构及参数设置 | 第37-38页 |
| 4.3.4 本实例中数据集扩充的必要性及方法 | 第38-39页 |
| 4.4 姿态估计算法性能实验 | 第39-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 作者简历 | 第50页 |