| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-21页 |
| 1.1 选题依据、研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 三维重建的研究现状 | 第12-14页 |
| 1.2.2 点云配准算法的研究现状 | 第14-16页 |
| 1.3 本文主要研究内容及安排 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-19页 |
| 1.4 本章小结 | 第19-21页 |
| 2 相关技术工作及理论 | 第21-33页 |
| 2.1 Kinect及其原理 | 第21-24页 |
| 2.1.1 Kinect | 第21-22页 |
| 2.1.2 Kinect深度图像成像原理 | 第22-24页 |
| 2.2 深度图像获取与转换 | 第24-25页 |
| 2.2.1 深度图像 | 第24-25页 |
| 2.2.2 深度图像转换 | 第25页 |
| 2.3 点云配准 | 第25-31页 |
| 2.3.1 ICP算法理论及实现 | 第26-29页 |
| 2.3.2 非刚性配准算法 | 第29-31页 |
| 2.4 点云融合 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 基于粗匹配和Sparse ICP的点云配准算法 | 第33-45页 |
| 3.1 完整的算法框架 | 第33-34页 |
| 3.2 粗匹配 | 第34-37页 |
| 3.2.1 Spin-images原理 | 第34-35页 |
| 3.2.2 创建Spin-image的步骤 | 第35页 |
| 3.2.3 Spin-image的三个关键参数 | 第35页 |
| 3.2.4 Spin-image的相似性度量 | 第35-36页 |
| 3.2.5 spin images粗匹配的流程图 | 第36-37页 |
| 3.3 Sparse ICP算法 | 第37-38页 |
| 3.3.1 配准中稀疏的概念 | 第37页 |
| 3.3.2 Sparse ICP数学公式 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-43页 |
| 3.4.1 数据集 | 第38-40页 |
| 3.4.2 实验环境及设备 | 第40页 |
| 3.4.3 实验结果对比及分析 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 基于Sparse ICP和TPS的点云配准算法 | 第45-53页 |
| 4.1 完整的算法框架 | 第45-46页 |
| 4.2 TPS非刚性配准算法 | 第46页 |
| 4.3 Sparse ICP和TPS的实现 | 第46-47页 |
| 4.4 实验结果 | 第47-51页 |
| 4.4.1 数据集 | 第47页 |
| 4.4.2 实验环境及设备 | 第47-48页 |
| 4.4.3 实验结果对比分析 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 点云数据的点云显示和三角化网格显示 | 第53-59页 |
| 5.1 点云数据的点云显示 | 第53-54页 |
| 5.2 点云数据的三角化网格显示 | 第54-56页 |
| 5.2.1 三角剖分综述 | 第54页 |
| 5.2.2 三角剖分的概念 | 第54页 |
| 5.2.3 Delauney三角剖分 | 第54-56页 |
| 5.3 实验结果 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |