基于Kinect深度图像的三维重建研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题的背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-14页 |
| 1.2.1 三维重建研究现状 | 第9-13页 |
| 1.2.2 基于 Kinect 的三维重建 | 第13-14页 |
| 1.3 本文的主要内容及结构安排 | 第14-16页 |
| 2 三维重建技术概述 | 第16-27页 |
| 2.1 相关的概念 | 第16-20页 |
| 2.2 三维重建流程 | 第20-24页 |
| 2.2.1 获取深度图像 | 第21页 |
| 2.2.2 预处理 | 第21页 |
| 2.2.3 点云计算 | 第21-22页 |
| 2.2.4 配准 | 第22页 |
| 2.2.5 数据融合 | 第22-23页 |
| 2.2.6 数据修正 | 第23页 |
| 2.2.7 生成表面 | 第23-24页 |
| 2.3 GPU 并行计算 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 Kinect 的原理和应用 | 第27-33页 |
| 3.1 Kinect 简介 | 第27页 |
| 3.2 Kinect 的结构 | 第27-29页 |
| 3.3 Kinect 深度图像 | 第29页 |
| 3.4 Kinect 相关开发库 | 第29-30页 |
| 3.5 Kinect 的标定 | 第30页 |
| 3.6 Kinect 应用 | 第30-32页 |
| 3.6.1 Kinect 应用分类 | 第30页 |
| 3.6.2 Kinect 应用实例 | 第30-32页 |
| 3.7 本章小结 | 第32-33页 |
| 4 基于 Kinect 的场景三维重建 | 第33-45页 |
| 4.1 ORB 特征 | 第33-35页 |
| 4.2 点云配准 | 第35-42页 |
| 4.2.1 ICP 算法简介 | 第35-37页 |
| 4.2.2 求解变换参数 | 第37-39页 |
| 4.2.3 基于特征点的加权策略配准方法 | 第39-41页 |
| 4.2.4 算法的时间和空间复杂度 | 第41-42页 |
| 4.3 实验结果及分析 | 第42-44页 |
| 4.3.1 实验方法和环境 | 第42-43页 |
| 4.3.2 实验结果和分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于 Kinect 的旋转物体三维重建 | 第45-57页 |
| 5.1 去除背景 | 第45-51页 |
| 5.1.1 算法流程 | 第45-50页 |
| 5.1.2 算法的时间和空间复杂度 | 第50-51页 |
| 5.2 配准算法 | 第51-54页 |
| 5.2.1 算法流程 | 第51-53页 |
| 5.2.2 算法时间和空间复杂度 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-56页 |
| 5.3.1 实验方法和环境 | 第54页 |
| 5.3.2 实验结果和分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 基于 Kinect 深度图像的三维重建系统 | 第57-62页 |
| 6.1 系统概述 | 第57-58页 |
| 6.2 系统实现 | 第58-61页 |
| 6.3 本章小结 | 第61-62页 |
| 7 总结与展望 | 第62-64页 |
| 7.1 本文工作总结 | 第62页 |
| 7.2 后续工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
