基于局部形状描述和匹配选择的三维物体识别系统
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 三维物体识别系统的研究现状 | 第17-19页 |
| 1.2.1 基于全局的三维物体识别算法 | 第17-18页 |
| 1.2.2 基于局部的三维物体识别算法 | 第18-19页 |
| 1.2.3 局部形状配准和匹配选择 | 第19页 |
| 1.3 三维物体识别系统的挑战 | 第19-20页 |
| 1.4 主要工作与内容组织 | 第20-23页 |
| 第2章 局部形状描述 | 第23-41页 |
| 2.1 研究背景 | 第23-24页 |
| 2.2 相关工作 | 第24-27页 |
| 2.2.1 全局形状描述子 | 第24页 |
| 2.2.2 局部形状描述子 | 第24-27页 |
| 2.3 问题分析 | 第27-28页 |
| 2.4 构建几何中心签名描述子 | 第28-33页 |
| 2.4.1 局部参照系的建立 | 第28-30页 |
| 2.4.2 构建几何中心签名描述子 | 第30-33页 |
| 2.5 实验结果 | 第33-40页 |
| 2.5.1 性能评价指标与环境搭建 | 第33-34页 |
| 2.5.2 几何中心签名描述子的参数确定 | 第34-35页 |
| 2.5.3 几何中心签名描述子的鲁棒性 | 第35-40页 |
| 2.6 小结 | 第40-41页 |
| 第3章 局部形状的配准 | 第41-67页 |
| 3.1 研究背景 | 第41页 |
| 3.2 相关工作 | 第41-42页 |
| 3.2.1 基于随机的形状配准 | 第41-42页 |
| 3.2.2 基于几何约束的形状配准 | 第42页 |
| 3.2.3 基于特征匹配的形状配准 | 第42页 |
| 3.3 问题分析 | 第42-43页 |
| 3.4 局部形状的配准 | 第43-48页 |
| 3.4.1 局部特征表示 | 第44页 |
| 3.4.2 生成变换矩阵候选项 | 第44-45页 |
| 3.4.3 增益形状配准 | 第45-47页 |
| 3.4.4 选择最佳变换矩阵 | 第47-48页 |
| 3.5 靠近边缘区域的形状配准 | 第48-50页 |
| 3.6 描述子图的建立与显著性提取 | 第50-55页 |
| 3.6.1 建立描述子图 | 第50-53页 |
| 3.6.2 使用描述子图来进行快速查找 | 第53页 |
| 3.6.3 使用描述子图来进行显著性分析 | 第53-55页 |
| 3.7 实验结果 | 第55-66页 |
| 3.7.1 实验环境 | 第55-56页 |
| 3.7.2 两帧配准 | 第56-57页 |
| 3.7.3 三维场景/模型重建 | 第57-63页 |
| 3.7.4 描述子图的有效性 | 第63-66页 |
| 3.8 小结 | 第66-67页 |
| 第4章 匹配选择 | 第67-89页 |
| 4.1 研究背景 | 第67-68页 |
| 4.2 相关工作 | 第68-69页 |
| 4.2.1 基于局部的匹配选择算法 | 第68-69页 |
| 4.2.2 基于全局的匹配选择算法 | 第69页 |
| 4.3 问题分析 | 第69-70页 |
| 4.4 匹配兼容的度量 | 第70-75页 |
| 4.4.1 错误特征匹配的共性 | 第70-71页 |
| 4.4.2 正确特征匹配的共性 | 第71-74页 |
| 4.4.3 特征匹配候选的兼容性度量 | 第74-75页 |
| 4.5 辅助集投票算法 | 第75-80页 |
| 4.5.1 构建候选集和辅助集 | 第75页 |
| 4.5.2 辅助集投票算法 | 第75-76页 |
| 4.5.3 加速的辅助集投票算法 | 第76-80页 |
| 4.6 实验结果 | 第80-87页 |
| 4.6.1 实现细节 | 第80页 |
| 4.6.2 数据库 | 第80-81页 |
| 4.6.3 不同几何约束的筛选性能 | 第81-82页 |
| 4.6.4 调参实验 | 第82-83页 |
| 4.6.5 其他三种对比方法 | 第83页 |
| 4.6.6 对高斯噪声的鲁棒性 | 第83-84页 |
| 4.6.7 对点云密度变化的鲁棒性 | 第84页 |
| 4.6.8 对遮挡的鲁棒性 | 第84-87页 |
| 4.6.9 非常有挑战性的场景下的实验结果 | 第87页 |
| 4.7 小结 | 第87-89页 |
| 第5章 三维物体识别系统 | 第89-101页 |
| 5.1 问题分析 | 第89-90页 |
| 5.2 三维物体识别系统设计 | 第90-93页 |
| 5.2.1 离线数据预处理 | 第90-91页 |
| 5.2.2 场景特征提取 | 第91页 |
| 5.2.3 生成特征匹配候选集和辅助集 | 第91-92页 |
| 5.2.4 特征匹配选择 | 第92页 |
| 5.2.5 物体候选的生成与验证 | 第92-93页 |
| 5.3 实验结果 | 第93-99页 |
| 5.3.1 显著性和预处理的有效性 | 第93-94页 |
| 5.3.2 物体识别的高效性 | 第94-96页 |
| 5.3.3 物体识别的鲁棒性 | 第96-99页 |
| 5.4 小结 | 第99-101页 |
| 第6章 总结与展望 | 第101-107页 |
| 6.1 论文总结 | 第101-102页 |
| 6.2 未来工作 | 第102-107页 |
| 6.2.1 是否采用局部参照系 | 第102-103页 |
| 6.2.2 使用局部特征还是全局特征 | 第103-104页 |
| 6.2.3 能否使用全局优化方法进行加速 | 第104页 |
| 6.2.4 如何与深度学习结合 | 第104-107页 |
| 参考文献 | 第107-115页 |
| 致谢 | 第115-117页 |
| 在读期间发表的学术论文与取得的研究成果 | 第117-119页 |
| 在读期间参与的学术活动 | 第119页 |
