声明
1 绪论
1.1 研究背景和意义
1.2 国内外研究发展动态
1.2.1 结构光三维测量技术发展
1.2.2 线结构光提取发展
1.2.3 深度学习算法发展
1.3 本文主要研究的内容
1.4 论文的组织和结构
1.5 本章小结
2 线结构光相关理论研究
2.1 激光与线结构光的图像特点
2.1.1 激光的特性
2.1.2 激光光束特性
2.1.3 线结构光特性
2.2 复杂情况对激光光条影响及其特性
2.3 本章小结
3 深度学习相关理论研究
3.1 多层感知机
3.1.1 感知机
3.1.2 激活函数
3.1.3 前向传播
3.1.4 反向传播算法
3.2 卷积神经网络
3.2.1 卷积神经网络特点
3.2.2 卷积层
3.2.3 池化层
3.3 主流的卷积网络模型
3.4 TensorFlow概述
3.5 本章小结
4 实验设计与模型建立
4.1 实验环境及数据集
4.2 改进的多卷积并行卷积层
4.3 端到端深度网络模型
4.4 本章小结
5 线结构光光条识别研究
5.1 本文线结构光识别方法
5.2 其他线结构光识别方法
5.2.1 基于U-Net网络的线结构光光条识别
5.2.2 基于边缘检测线结构光光条识别
5.3 实验结果分析
5.4 本章小结
6 线结构光光条中心提取
6.1 基于灰度重心法的线结构光中心提取
6.2 基于Hessian矩阵法的线结构光中心提取
6.3 基于深度学习算法的线结构光中心提取
6.4 实验结果分析
6.5 本章小结
7 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
攻读硕士学位期间所取得的研究成果
致谢
