| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容及章节安排 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 论文组织结构 | 第12-13页 |
| 第二章 相关工作的研究 | 第13-21页 |
| 2.1 kd-tree相关研究 | 第13-14页 |
| 2.2 优秀点云配准算法 | 第14-16页 |
| 2.2.1 ICP优秀衍生算法 | 第14-15页 |
| 2.2.2 Softassign配准算法 | 第15-16页 |
| 2.3 特征描述符算法 | 第16-19页 |
| 2.3.1 SHOT特征提取算法 | 第16-17页 |
| 2.3.2 PFH与FPFH特征提取算法 | 第17-19页 |
| 2.4 GPU并行技术 | 第19页 |
| 2.5 本章小结 | 第19-21页 |
| 第三章 基于kd-tree近似最近点的并行搜索算法 | 第21-36页 |
| 3.1 kd-tree算法 | 第21-23页 |
| 3.1.1 kd-tree构建算法 | 第22页 |
| 3.1.2 kd-tree最近邻搜索算法 | 第22-23页 |
| 3.2 kd-tree近似最近点算法 | 第23-27页 |
| 3.2.1 kd-tree构建算法改进优化 | 第24-25页 |
| 3.2.2 kd-tree近似最近点搜索算法 | 第25-27页 |
| 3.3 kd-tree近似最近点并行算法 | 第27-30页 |
| 3.4 算法效率分析 | 第30-31页 |
| 3.5 实验验证与分析 | 第31-35页 |
| 3.5.1 kd-tree近似最近点算法对比实验 | 第31-32页 |
| 3.5.2 kd-tree近似最近点搜索算法回溯栈实验 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于近似最近点的ICP并行算法 | 第36-51页 |
| 4.1 ICP算法 | 第36-38页 |
| 4.1.1 ICP算法介绍 | 第36-37页 |
| 4.1.2 四元数计算 | 第37-38页 |
| 4.2 ICP算法的并行实现 | 第38-42页 |
| 4.2.1 ICP算法并行可行性分析 | 第38-39页 |
| 4.2.2 ICP算法拆分并行算法设计 | 第39-41页 |
| 4.2.3 算法效率分析 | 第41-42页 |
| 4.3 实验验证与分析 | 第42-50页 |
| 4.3.1 改进优化ICP算法效率比较实验 | 第42-43页 |
| 4.3.2 kd-tree回溯栈对ICP算法影响实验 | 第43-46页 |
| 4.3.3 基于FPFH特征描述的任意位置粗配准实验 | 第46-47页 |
| 4.3.4 ICP算法重叠率实验 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 Kinect扫描配准系统的设计与实现 | 第51-59页 |
| 5.1 深度相机标定 | 第51-53页 |
| 5.1.1 相机的投影模型 | 第51-52页 |
| 5.1.2 相机的标定方法 | 第52-53页 |
| 5.2 系统设计 | 第53-55页 |
| 5.2.1 系统流程 | 第53-55页 |
| 5.2.2 系统功能描述 | 第55页 |
| 5.3 系统验证与分析 | 第55-57页 |
| 5.3.1 Kinect取景配准噪声鲁棒性实验 | 第55-56页 |
| 5.3.2 Kinect复杂场景实验 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
