基于RGB-D数据的点云配准方法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究的背景和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 三维重建研究现状 | 第15-19页 |
| 1.2.2 基于RGB-D数据的三维重建 | 第19-21页 |
| 1.3 本文的主要工作和内容安排 | 第21-23页 |
| 第二章 三维点云数据获取与配准方法 | 第23-39页 |
| 2.1 引言 | 第23页 |
| 2.2 基于Kinect的深度数据获取 | 第23-30页 |
| 2.2.1 Kinect简介 | 第23-25页 |
| 2.2.2 Kinect获取深度数据 | 第25-29页 |
| 2.2.3 PLY文件格式简介 | 第29-30页 |
| 2.3 点云配准问题与算法分析 | 第30-39页 |
| 2.3.1 三维重建中的点云配准问题 | 第30-32页 |
| 2.3.2 基于PCA的配准算法 | 第32-33页 |
| 2.3.3 基于四元数的配准算法 | 第33-35页 |
| 2.3.4 SVD配准算法 | 第35-36页 |
| 2.3.5 ICP配准算法 | 第36-39页 |
| 第三章 特征保持的点云去噪和精简算法 | 第39-48页 |
| 3.1 引言 | 第39页 |
| 3.2 基于K-D树的点云搜索 | 第39-41页 |
| 3.3 基于曲率估计的特征提取 | 第41-42页 |
| 3.4 基于K-means聚类的点云去噪和精简 | 第42-45页 |
| 3.4.1 K-means聚类算法 | 第43-44页 |
| 3.4.2 点云去噪算法 | 第44-45页 |
| 3.4.3 点云精简算法 | 第45页 |
| 3.5 实验结果及分析 | 第45-48页 |
| 第四章 基于RGB-D数据的点云配准方法 | 第48-64页 |
| 4.1 引言 | 第48-49页 |
| 4.2 点云数据的预处理 | 第49-51页 |
| 4.2.1 RGB-D数据融合 | 第49-50页 |
| 4.2.2 基于包围盒的点云快速处理 | 第50-51页 |
| 4.3 数据采集系统标定原理 | 第51-54页 |
| 4.4 特征点提取 | 第54-55页 |
| 4.5 对应点选取 | 第55-56页 |
| 4.6 基于二分法迭代的配准算法 | 第56-58页 |
| 4.7 实验结果及分析 | 第58-64页 |
| 第五章 工作总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文和参与的科研项目 | 第70页 |
