声明
致谢
摘要
第一章 绪论
1.1 研究背景
1.2 研究现状与趋势
1.2.1 物体位姿估计方法分类
1.2.2 集成学习算法
1.2.3 级联回归算法框架
1.2.4 物体的六维位姿估计
1.3 本文研究内容
1.4 本文结构安排
第二章 随机蕨算法的改造与应用
2.1 概述
2.2 随机蕨算法基本原理
2.3 拟合回归问题下的随机蕨算法
2.4 大噪声干扰下的随机蕨回归算法
2.5 实验结果与分析
2.6 本章小结
第三章 基于OpenGL的深度相机仿真环境搭建
3.1 概述
3.2 仿真数学模型
3.3 仿真环境搭建
3.3.1 仿真流程及细节
3.3.2 模拟深度数据噪声
3.4 实验结果与分析
3.5 本章小结
第四章 级联随机蕨回归框架下的物体六维位姿估计
4.2 深度图像上的特征设计
4.2.1 深度图像块的特征描述
4.2.2 特征哈希处理
4.3 针对位姿估计的级联回归框架设计
4.4 遮挡情况下的物体位姿估计
4.5 物体检测与物体位姿估计的结合
4.6 实验结果与分析
4.6.1 利用物体位姿特征进行物体检测实验
4.6.2 无遮挡情况下的物体六维位姿估计实验
4.6.3 有遮挡情况下的物体六维位姿估计实验
4.7 本章小结
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
作者简历