| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-26页 |
| 1.1 研究工作的背景与意义 | 第10-15页 |
| 1.2 国内外研究历史与现状 | 第15-18页 |
| 1.3 主要开发工具介绍 | 第18-25页 |
| 1.3.1 开源计算机视觉库(OpenCV)介绍 | 第18-20页 |
| 1.3.2 点云库(PointCloudLibrary)介绍 | 第20-24页 |
| 1.3.3 Meshlab介绍 | 第24-25页 |
| 1.4 本论文的结构安排 | 第25页 |
| 1.5 本章小结 | 第25-26页 |
| 第二章 Kinect开发和数据获取 | 第26-42页 |
| 2.1 Kinect开发 | 第26-32页 |
| 2.1.1 Kinect简介 | 第26-29页 |
| 2.1.2 KinectStudio简介 | 第29-32页 |
| 2.2 深度数据与彩色数据的获取 | 第32-33页 |
| 2.2.1 深度数据 | 第33页 |
| 2.2.2 彩色数据 | 第33页 |
| 2.3 深度数据的预处理 | 第33-41页 |
| 2.3.1 均值滤波 | 第34-38页 |
| 2.3.2 中值滤波 | 第38-39页 |
| 2.3.3 基于时域的深度图滤波 | 第39-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 点云数据的生成与处理 | 第42-54页 |
| 3.1 相机标定 | 第42-47页 |
| 3.1.1 三维重建中的常用坐标系 | 第42-45页 |
| 3.1.2 Kinect相机标定 | 第45-47页 |
| 3.2 彩色点云生成 | 第47-49页 |
| 3.2.1 点云生成 | 第47-48页 |
| 3.2.2 点云上色 | 第48-49页 |
| 3.3 点云数据处理 | 第49-53页 |
| 3.3.1 点云降采样 | 第50-51页 |
| 3.3.2 点云去离群点 | 第51-52页 |
| 3.3.3 点云三角化 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 点云数据的配准 | 第54-65页 |
| 4.1 点云配准概述 | 第54页 |
| 4.2 ICP算法简介 | 第54-55页 |
| 4.3 基于特征点匹配的ICP算法 | 第55-64页 |
| 4.3.1 特征点简介 | 第57-59页 |
| 4.3.2 算法仿真 | 第59-64页 |
| 4.3.3 结果分析 | 第64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 后续工作展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |