| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 三维重建技术研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 本文的主要内容与章节安排 | 第14-17页 |
| 第2章 Kinect深度传感器介绍 | 第17-23页 |
| 2.1 Kinect设备简介 | 第17页 |
| 2.2 Kinect设备结构 | 第17-18页 |
| 2.3 Kinect深度传感器原理 | 第18-19页 |
| 2.4 深度图像 | 第19-20页 |
| 2.5 Kinect深度传感器应用 | 第20-22页 |
| 2.5.1 Kinect传感器应用分类 | 第20-21页 |
| 2.5.2 Kinect传感器应用实例 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 三维重建技术介绍 | 第23-33页 |
| 3.1 基础知识介绍 | 第23-30页 |
| 3.1.1 点云数据 | 第23页 |
| 3.1.2 坐标系概念 | 第23-25页 |
| 3.1.3 针孔相机模型 | 第25-26页 |
| 3.1.4 坐标变换与坐标系变换 | 第26-30页 |
| 3.2 三维重建过程 | 第30-32页 |
| 3.2.1 深度图像获取 | 第30-31页 |
| 3.2.2 深度图像预处理 | 第31页 |
| 3.2.3 点云计算 | 第31页 |
| 3.2.4 点云配准及融合 | 第31页 |
| 3.2.5 生成表面 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 深度图像预处理 | 第33-55页 |
| 4.1 影响深度图像质量的因素分析 | 第33-37页 |
| 4.1.1 传感器因素 | 第33-34页 |
| 4.1.2 被测物体因素 | 第34-36页 |
| 4.1.3 测量环境因素 | 第36-37页 |
| 4.2 经典滤波算法 | 第37-44页 |
| 4.2.1 均值滤波 | 第37-39页 |
| 4.2.2 中值滤波 | 第39-41页 |
| 4.2.3 双边滤波 | 第41-44页 |
| 4.3 基于时间连续性与颜色一致性约束的深度图像修复算法 | 第44-49页 |
| 4.3.1 基于时间连续性的深度图像稳定算法 | 第45-47页 |
| 4.3.2 基于颜色一致性的深度图像空洞填充算法 | 第47-49页 |
| 4.3.3 深度图像的中值滤波 | 第49页 |
| 4.4 仿真实验 | 第49-53页 |
| 4.4.1 多场景下的深度图像增强实验 | 第50-51页 |
| 4.4.2 对比实验 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 点云配准 | 第55-75页 |
| 5.1 点云配准技术简介 | 第55-57页 |
| 5.2 点云配准相关原理 | 第57-62页 |
| 5.2.1 迭代最近点(ICP)算法 | 第57-58页 |
| 5.2.2 变换参数求解 | 第58-60页 |
| 5.2.3 最邻近搜索与K-D树 | 第60-62页 |
| 5.3 基于深度图像的点云配准算法 | 第62-66页 |
| 5.3.1 SIFT算法特征点检测 | 第63-65页 |
| 5.3.2 SURF算法特征点检测 | 第65-66页 |
| 5.4 仿真实验 | 第66-73页 |
| 5.4.1 实验开发与运行环境 | 第67页 |
| 5.4.2 深度数据转换为点云数据 | 第67-69页 |
| 5.4.3 点云滤波 | 第69-70页 |
| 5.4.4 特征点检测 | 第70-72页 |
| 5.4.5 点云配准 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第6章 总结 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |