基于Kinect室内场景重建技术
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 三维重建设备的研究现状 | 第12-15页 |
| 1.2.2 SLAM研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17-21页 |
| 1.3.1 RGB-D SLAM系统框架 | 第17-18页 |
| 1.3.2 论文章节结构 | 第18-21页 |
| 第2章 基于Kinect工作原理及标定 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 Kinect原理 | 第21-23页 |
| 2.3 Kinect数学模型 | 第23-24页 |
| 2.4 Kinect坐标系定义 | 第24-27页 |
| 2.4.1 图像坐标系 | 第25页 |
| 2.4.2 摄像机坐标系 | 第25-26页 |
| 2.4.3 世界坐标系 | 第26-27页 |
| 2.4.4 坐标变换过程 | 第27页 |
| 2.5 透镜畸变 | 第27-29页 |
| 2.5.1 切向畸变 | 第28页 |
| 2.5.2 径向畸变 | 第28-29页 |
| 2.6 Kinect摄像机几何关系 | 第29-30页 |
| 2.7 标定实现及结果分析 | 第30-36页 |
| 2.7.1 标定实现 | 第31-34页 |
| 2.7.2 结果及分析 | 第34-36页 |
| 2.8 本章小结 | 第36-37页 |
| 第3章 点云采集方法研究 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 点云获取方式 | 第37-38页 |
| 3.3 基于OpenCV和OpenGL的点云获取 | 第38-43页 |
| 3.3.1 OpenCV介绍 | 第38页 |
| 3.3.2 OpenGL介绍和配置 | 第38-40页 |
| 3.3.3 点云数据获取 | 第40-42页 |
| 3.3.4 实验结果 | 第42-43页 |
| 3.4 基于PCL的点云获取方法研究 | 第43-45页 |
| 3.5 实验结果及分析 | 第45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 特征匹配与点云拼接算法研究 | 第47-73页 |
| 4.1 引言 | 第47页 |
| 4.2 SIFT特征提取匹配算法 | 第47-50页 |
| 4.2.1 SIFT原理 | 第48-49页 |
| 4.2.2 RANSAC算法 | 第49-50页 |
| 4.3 SURF算法 | 第50-51页 |
| 4.3.1 SURF特征检测 | 第50-51页 |
| 4.3.2 SURF特征描述子 | 第51页 |
| 4.4 基于FREAK特征的快速场景匹配算法 | 第51-56页 |
| 4.4.1 FAST算法 | 第52-54页 |
| 4.4.2 FREAK描述子 | 第54-56页 |
| 4.5 ORB特征提取匹配算法 | 第56-57页 |
| 4.5.1 ORB特征描述子 | 第56页 |
| 4.5.2 ORB特征匹配 | 第56-57页 |
| 4.6 KAZE算法 | 第57-59页 |
| 4.6.1 KAZE特征点检测 | 第57-58页 |
| 4.6.2 KAZE特征点描述 | 第58-59页 |
| 4.7 特征提取与匹配算法比较 | 第59-69页 |
| 4.7.1 实验结果 | 第59-66页 |
| 4.7.2 算法比较 | 第66-69页 |
| 4.8 点云拼接 | 第69-71页 |
| 4.8.1 摄像机的位姿估计 | 第69-70页 |
| 4.8.2 实验结果 | 第70-71页 |
| 4.9 本章小结 | 第71-73页 |
| 第5章 基于图优化的回环检测SLAM方法研究 | 第73-81页 |
| 5.1 引言 | 第73页 |
| 5.2 关键帧筛选 | 第73页 |
| 5.3 图优化G2O | 第73-75页 |
| 5.3.1 图优化理论 | 第73-75页 |
| 5.3.2 G2O库的使用 | 第75页 |
| 5.4 回环检测 | 第75-77页 |
| 5.5 实验结果与分析 | 第77-80页 |
| 5.6 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第89-91页 |
| 致谢 | 第91页 |
