GPU加速下具有抗反射光干扰的三维测量方法研究
| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 结构光三维测量方法概述 | 第9-11页 |
| 1.2 结构光三维测量技术的应用 | 第11-13页 |
| 1.3 编码结构光三维测量的国内外研究状况 | 第13-15页 |
| 1.4 研究意义及主要完成工作 | 第15-17页 |
| 第2章 格雷码结构光三维测量原理 | 第17-34页 |
| 2.1 格雷码三维测量技术的基本组成 | 第17-18页 |
| 2.2 格雷码编码方法 | 第18-20页 |
| 2.3 结构光三维测量技术的标定原理 | 第20-29页 |
| 2.3.1 摄像机模型的建立 | 第20-23页 |
| 2.3.2 摄像机的标定 | 第23-26页 |
| 2.3.3 投影仪的标定 | 第26-28页 |
| 2.3.4 立体标定 | 第28-29页 |
| 2.4 格雷码三维测量算法 | 第29-33页 |
| 2.4.1 格雷码图像解码与坐标匹配 | 第29-31页 |
| 2.4.3 三角变换获取物体三维信息 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 抗反射光干扰的格雷码三维测量方法 | 第34-50页 |
| 3.1 计算全局光照部分与直接光照部分 | 第34-36页 |
| 3.2 反射光对结构光三维测量过程的干扰 | 第36-38页 |
| 3.3 具有鲁棒性的像素分类方法 | 第38-41页 |
| 3.4 反射光干扰下的三维测量方法 | 第41-46页 |
| 3.4.1 高分辨率投影图案纠正错误解码 | 第41-43页 |
| 3.4.2 统计分析法去噪点云数据并产生掩码图案 | 第43-45页 |
| 3.4.3 投影补偿重建结果 | 第45-46页 |
| 3.5 实验验证与分析 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于GPU加速的格雷码三维测量算法 | 第50-63页 |
| 4.1 CUDA并行计算编程模型 | 第50-54页 |
| 4.1.1 CUDA硬件与软件架构 | 第50-52页 |
| 4.1.2 CUDA编程模型 | 第52-53页 |
| 4.1.3 CUDA编译执行过程 | 第53-54页 |
| 4.2 GPU实现三维测量算法 | 第54-59页 |
| 4.2.1 基于CUDA的全局光分解算法 | 第54-55页 |
| 4.2.2 基于CUDA的像素分类算法 | 第55-56页 |
| 4.2.3 基于CUDA的格雷码转换算法 | 第56-58页 |
| 4.2.4 基于CUDA的三角法计算三维信息 | 第58-59页 |
| 4.3 基于CPU+GPU异构模型的三维测量算法 | 第59-60页 |
| 4.4 实验验证与分析 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 抗反射光干扰的快速三维测量实验 | 第63-90页 |
| 5.1 实验装置的搭建 | 第63-68页 |
| 5.1.1 实验装置的总体设计 | 第63-65页 |
| 5.1.2 实验装置的硬件搭建 | 第65-66页 |
| 5.1.3 实验装置的软件设计 | 第66-68页 |
| 5.2 实验装置的标定及结果 | 第68-72页 |
| 5.2.1 摄像机的标定 | 第68-70页 |
| 5.2.2 投影仪的标定 | 第70-71页 |
| 5.2.3 立体标定及结果 | 第71-72页 |
| 5.3 实验与分析 | 第72-77页 |
| 5.3.1 实验过程 | 第72-73页 |
| 5.3.2 实验结果 | 第73-75页 |
| 5.3.3 实验分析 | 第75-77页 |
| 5.4 点云数据分析与实验评价 | 第77-89页 |
| 5.4.1 实验测量过程及结果 | 第77-80页 |
| 5.4.2 点云数据分析 | 第80-89页 |
| 5.5 本章小结 | 第89-90页 |
| 第6章 总结与展望 | 第90-92页 |
| 6.1 工作总结 | 第90页 |
| 6.2 研究展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 发表论文及科研情况说明 | 第96-97页 |
| 致谢 | 第97-98页 |
