第一章 绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1基于人工标志的三维注册方法
1.2.2基于自然特征的三维注册方法
1.2.3基于视觉SLAM的三维注册方法
1.3课题来源
1.4自然特征点的三维注册基本原理
1.5主要研究内容与章节安排
第二章 改进的ORB特征点方法
2.1 ORB特征点提取、描述与匹配
2.1.1 oFAST特征点提取
2.1.2 rBRIEF二进制描述子
2.1.3特征点匹配
2.2非线性尺度空间
2.2.1非线性扩散
2.2.2 AOS方法
2.2.3 FED方法
2.2.4构造非线性尺度空间
2.3自适应非极大值抑制
2.4对比实验
2.5本章小结
第三章 改进的LK跟踪方法
3.1 LK跟踪框架及优化方法
3.1.1 Forward Additive方法
3.1.2Forward Compositional方法
3.1.3Inverse Compositional方法
3.1.4优化方法选择
3.2.1 LK方法的缺点
3.2.2 Distribution Field局部描述子
3.2.3Descriptor Field局部描述子
3.3.1 IC方法结合DF描述
3.3.2双线性插值
3.3.3误差图像处理
3.4前向后向错误检测
3.5 SIMD与并行加速计算
3.5.1 SIMD加速计算
3.5.2并行加速计算
3.6本章小结
第四章 基于一致性投票的混合跟踪注册方法
4.1特征点匹配与跟踪
4.2数据融合
4.3一致性计算
4.3.1尺度一致性计算
4.3.2旋转一致性计算
4.3.3投票计算
4.4投票聚类
4.5算法流程
4.6本章小结
第五章 混合跟踪方法的测试实验与分析
5.1.1数据集与实验平台
5.1.2评价方法
5.1.3实验结果与分析
5.2.1系统功能和组成
5.2.2系统架构
5.2.3实验结果
5.3本章小结
总结与展望
全文总结
工作展望
参考文献
作者在攻读硕士学位期间发表的论文
声明
致谢
