基于Kinect的室内场景三维重建技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 三维重建技术研究现状及发展趋势 | 第12-16页 |
| 1.3 论文主要内容与结构安排 | 第16-19页 |
| 第2章 Kinect工作原理与PCL点云库 | 第19-35页 |
| 2.1 Kinect传感器 | 第19-24页 |
| 2.1.1 Kinect硬件结构 | 第20-21页 |
| 2.1.2 Kinect深度数据 | 第21-22页 |
| 2.1.3 Kinect工作原理 | 第22-24页 |
| 2.2 Kinect驱动与数据获取 | 第24-26页 |
| 2.2.1 OpenNI | 第24-25页 |
| 2.2.2 Kinect SDK | 第25-26页 |
| 2.3 Kinect标定 | 第26-31页 |
| 2.3.1 摄像机模型 | 第26-27页 |
| 2.3.2 图像坐标系 | 第27-28页 |
| 2.3.3 相机坐标系 | 第28页 |
| 2.3.4 世界坐标系 | 第28-29页 |
| 2.3.5 基于棋盘格算法的Kinect标定 | 第29-31页 |
| 2.4 PCL点云库 | 第31-34页 |
| 2.4.1 PCL点云库简介 | 第31-32页 |
| 2.4.2 PCL点云库的数据结构 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 点云与点云滤波 | 第35-47页 |
| 3.1 点云 | 第35-37页 |
| 3.1.1 点云的存储 | 第35-36页 |
| 3.1.2 点云的可视化 | 第36-37页 |
| 3.2 噪声分析 | 第37-39页 |
| 3.3 深度数据滤波方法 | 第39-42页 |
| 3.3.1 均值滤波 | 第39-40页 |
| 3.3.2 中值滤波 | 第40页 |
| 3.3.3 高斯滤波 | 第40-41页 |
| 3.3.4 双边滤波 | 第41页 |
| 3.3.5 联合双边滤波 | 第41-42页 |
| 3.4 点云数据滤波方法 | 第42-46页 |
| 3.4.1 点云简化 | 第42-43页 |
| 3.4.2 体素化栅格下采样算法 | 第43-45页 |
| 3.4.3 体素化栅格下采样算法仿真 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 点云配准 | 第47-71页 |
| 4.1 点云配准基本流程 | 第47-49页 |
| 4.1.1 粗配准 | 第48-49页 |
| 4.1.2 精配准 | 第49页 |
| 4.2 点云配准原理 | 第49-55页 |
| 4.2.1 变换矩阵 | 第49-50页 |
| 4.2.2 样本点数量 | 第50-51页 |
| 4.2.3 变换矩阵求解 | 第51-52页 |
| 4.2.4 目标函数 | 第52-53页 |
| 4.2.5 四元数法 | 第53-54页 |
| 4.2.6 最小二乘法 | 第54-55页 |
| 4.3 RANSAC算法 | 第55-60页 |
| 4.3.1 迭代次数 | 第56-57页 |
| 4.3.2 平面特征点提取 | 第57-58页 |
| 4.3.3 算法仿真 | 第58-60页 |
| 4.4 ICP算法 | 第60-63页 |
| 4.4.1 ICP算法原理 | 第60-61页 |
| 4.4.2 ICP算法特性分析 | 第61-62页 |
| 4.4.3 ICP算法改进分析 | 第62-63页 |
| 4.5 基于邻域特征的ICP配准算法改进 | 第63-68页 |
| 4.5.1 提取特征点 | 第64页 |
| 4.5.2 对应点对的搜索和筛选 | 第64-65页 |
| 4.5.3 SVD求解变换矩阵 | 第65-66页 |
| 4.5.4 ICP算法仿真 | 第66-68页 |
| 4.6 本章小结 | 第68-71页 |
| 第5章 室内场景三维重建分析 | 第71-83页 |
| 5.1 实验平台的搭建 | 第71-73页 |
| 5.1.1 开发环境配置 | 第71-72页 |
| 5.1.2 实验系统设计 | 第72-73页 |
| 5.2 点云滤波实验 | 第73-75页 |
| 5.3 点云配准实验 | 第75-81页 |
| 5.4 本章小结 | 第81-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第89-91页 |
| 致谢 | 第91页 |
