二值几何空间编码结构光三维重建技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 时间编码 | 第8-10页 |
| 1.2.2 空间编码 | 第10-14页 |
| 1.3 本文主要研究内容及目标 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究目标 | 第15-16页 |
| 1.4 课题来源 | 第16-17页 |
| 第2章 结构光系统标定 | 第17-28页 |
| 2.1 结构光系统标定模型 | 第17-18页 |
| 2.2 相机标定 | 第18-23页 |
| 2.2.1 相机标定模型的建立 | 第18-20页 |
| 2.2.2 张正友相机标定法 | 第20-23页 |
| 2.3 投影仪标定 | 第23-25页 |
| 2.3.1 投影仪模型的建立 | 第23页 |
| 2.3.2 基于射影变换原理的投影仪标定法 | 第23-25页 |
| 2.4 结构光系统标定步骤 | 第25页 |
| 2.5 标定结果及评价 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第3章 二值几何空间编码结构光的编码与特征点检测 | 第28-37页 |
| 3.1 基于极线约束的二值几何空间编码 | 第28-30页 |
| 3.1.1 极线约束定义 | 第28页 |
| 3.1.2 编码图案的设计 | 第28-29页 |
| 3.1.3 极线约束编码方法 | 第29-30页 |
| 3.2 特征点检测算法 | 第30-36页 |
| 3.2.1 编码特征点的检测 | 第30-33页 |
| 3.2.2 特征点检测实验 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于卷积神经网络的高鲁棒性解码算法 | 第37-46页 |
| 4.1 几何图形的识别 | 第37-41页 |
| 4.1.1 几何图形的提取 | 第37-38页 |
| 4.1.2 几何图形样本库的建立 | 第38-39页 |
| 4.1.3 卷积神经网络的训练 | 第39-41页 |
| 4.2 基于极线约束的码字匹配 | 第41-43页 |
| 4.3 Letnet-5卷积神经网络实验测试 | 第43-45页 |
| 4.3.1 卷积神经网络性能测试 | 第43-44页 |
| 4.3.2 卷积神经网络识别鲁棒性测试 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 三维点云重构算法 | 第46-51页 |
| 5.1 结构光系统三角测距原理 | 第46-47页 |
| 5.2 特征点的三维重建过程 | 第47-48页 |
| 5.3 点云插值及渲染 | 第48-50页 |
| 5.3.1 三角形内部线性插值法 | 第48-49页 |
| 5.3.2 点云渲染 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 软件系统设计及实验测试 | 第51-61页 |
| 6.1 软件系统设计 | 第51-54页 |
| 6.2 实验测试 | 第54-60页 |
| 6.2.1 实验设备 | 第54-55页 |
| 6.2.2 三维重建结果 | 第55-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第7章 结论及展望 | 第61-63页 |
| 7.1 结论 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69页 |
