声明
摘要
第一章 绪论
1.1 研究背景和意义
1.2 飞行时间法和SR-3000三维无扫描成像摄像机
1.3 流形学习算法简介
1.4 研究现状
1.4.1 国内外研究组织和现状
1.4.2 飞行时间法深度图像障碍检测
1.4.3 基于流形学习方法的深度图像障碍检测
1.4.4 深度图像障碍检测的研究问题
1.5 本文主要内容和结构安排
第二章 飞行时间法原理及深度图像距离歧义消除算法
2.1 引言
2.2.1 Swiss Ranger SR-3000介绍
2.2.2 飞行时间法测距原理
2.3 飞行时间法深度图像距离歧义性
2.4 消除距离奇异性
2.5 消除距离歧义性实验结果与分析
2.6 深度图像噪声估计和消除算法
2.6.1 结合强度图像的深度图像噪声估计
2.6.4 小波分解
2.6.3 噪声标准偏差估计
2.6.4 噪声标准差估计实验
2.7 本章小结
第三章 基于有监督拉普拉斯映射维数约减的飞行时间法深度图像障碍检测
3.1 引言
3.2 流行学习算法简介
3.2.1 线性流形学习算法
3.2.2 非线性流形学习算法
3.3 拉普拉斯特征映射算法与TOF深度图像障碍检测
3.3.1 图重建
3.3.2 有监督拉普拉斯图形嵌入
3.3.3 Laplacian正则化最小平方回归
3.4 实验结果及分析
3.5 本章小结
第四章 基于距离簇的流形空间内深度图像障碍检测
4.1 引言
4.2 基本距离簇
4.2.1 基本定义
4.2.2 距离簇的实现
4.3 距离簇的规范化
4.3.1 尺寸直方图统计及最优尺寸选择区间估计
4.3.2 最优尺寸选择标准
4.4 局部线性平滑
4.4.1 局部线性平滑原理
4.4.2 带权重的PCA局部线性平滑
4.5 基于LE的深度图像障碍检测
4.5.1 图重建
4.5.2 图嵌入
4.5.3 Laplacian正则化最小平方回归
4.6 流形学习障碍检测实验及结果
4.7 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
硕士期间发表的论文
致谢