| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-24页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外环境智能探测研究现状 | 第11-23页 |
| 1.2.1 环境智能探测技术 | 第11-14页 |
| 1.2.2 场景分割与物体定位国内外研究现状 | 第14-19页 |
| 1.2.3 三维场景重建国内外研究现状 | 第19-23页 |
| 1.3 论文主要内容和章节安排 | 第23-24页 |
| 2 环境智能探测系统方案设计 | 第24-30页 |
| 2.1 总体方案设计 | 第24-26页 |
| 2.2 三维点云获取 | 第26-27页 |
| 2.3 场景分割与物体定位 | 第27-28页 |
| 2.4 三维场景重建 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 三维点云获取 | 第30-40页 |
| 3.1 三维激光测距相机 | 第30-33页 |
| 3.1.1 TOF测距法 | 第30页 |
| 3.1.2 SR4500相机 | 第30-33页 |
| 3.2 三维点云采集软件设计 | 第33-35页 |
| 3.3 三维点云获取实验结果及分析 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 场景分割与物体定位算法 | 第40-58页 |
| 4.1 点云预处理 | 第40-43页 |
| 4.1.1 直通滤波 | 第40-41页 |
| 4.1.2 点云网格化滤波 | 第41-43页 |
| 4.2 点云分割 | 第43-48页 |
| 4.2.1 基于随机采样一致性(RANSAC)的分割算法 | 第44-45页 |
| 4.2.2 基于区域生长的分割算法 | 第45-46页 |
| 4.2.3 基于欧氏聚类提取的分割算法 | 第46-48页 |
| 4.3 物体定位 | 第48-51页 |
| 4.3.1 地面检测 | 第48页 |
| 4.3.2 Graham扫描法求凸包 | 第48-50页 |
| 4.3.3 散乱点云最小包围矩形 | 第50页 |
| 4.3.4 目标物体尺寸分析 | 第50-51页 |
| 4.4 场景分割与物体定位实验结果及分析 | 第51-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 三维场景重建算法 | 第58-80页 |
| 5.1 相机运动模型 | 第58-59页 |
| 5.2 尺度化灰度图像 | 第59-61页 |
| 5.3 特征提取与匹配 | 第61-70页 |
| 5.3.1 harris特征提取算法 | 第61-62页 |
| 5.3.2 sift特征提取算法 | 第62-66页 |
| 5.3.3 改进的sift特征提取与匹配算法 | 第66-70页 |
| 5.4 三维点云匹配 | 第70-75页 |
| 5.4.1 ICP算法 | 第70-73页 |
| 5.4.2 两帧图像点云匹配 | 第73-75页 |
| 5.5 三维场景重建实验结果及分析 | 第75-78页 |
| 5.5.1 三种点云匹配结果比较 | 第75-76页 |
| 5.5.2 场景重建实验 | 第76-78页 |
| 5.6 本章小结 | 第78-80页 |
| 6 总结与展望 | 第80-82页 |
| 6.1 工作总结 | 第80页 |
| 6.2 未来展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第86-90页 |
| 学位论文数据集 | 第90页 |