学海网

毕业论文-用于三维物体识别的三维点表示方法研究，共31页。
摘要
本文提出了一种三维点的表示方法，用来改进基于三维模型的物体识别系统的性能. 这种方法首先从训练图像生成多幅人工图像，然后从所有图中提取局部特征描述子，再将每个三维点对应的所有描述子聚类，最后
以这个三维点的坐标和所聚得的一系列类的中心来表示这个点.暂时不存在对视角、模糊和光照都具有完全的不变性的局部特征. 通过模拟这些条件生成人工图像，可以从中抽取到模型中的点在不同条件下的描述子. 当把这些描述子全部装入数据库时，识别系统的精度有了明显提升. 为了使系统加速，对每个点的所有描述子进行聚类，并以各类的中心代替原始描述子. 与未经模型丰富的基准进行比较，每个点的描述子被保留10 个类的中心时系统在不花费更多时间的情况下精度提高了高达4%.
关键字: 物体识别，局部特征，人工视角，模型丰富，聚类，点表示

目录
致谢i
摘要iv
Abstract v
第一章绪言1
1.1 研究意义与相关工作1
1.2 本文的主要内容和组织形式3
第二章基于三维模型的物体识别方法概述4
2.1 局部特征4
2.2 针孔相机模型5
2.2.1 针孔相机模型的基础5
2.2.2 齐次坐标表示的中心投影6
2.2.3 像平面的坐标系7
2.2.4 相机的旋转和平移7
2.2.5 主轴方向9
2.2.6 小结9
2.3 SFM 9
2.4 k-d 树9
2.5 姿态估计10
2.6 物体识别的流水线10
第三章点表示的改进12
3.1 模型丰富12
3.1.1 相机参数12
3.1.2 亮度13
3.1.3 清晰度14
3.2 基于聚类方法的点表示15
3.2.1 k-means 算法15
3.2.2 k-means++ 算法16
3.3 系统实现16
第四章实验18
4.1 实验设计18
4.2 实验结果和分析18
4.3 时间和空间的消耗19
第五章总结与展望22
参考文献24