声明
摘要
第1章引言
1．1研究背景、目的及意义
1．2国内外研究现状
1．2．1国外研究现状
1．2．2国内研究现状
1．3主要研究内容与章节安排
第2章多模态感知方法概述
2．1图像去噪方法
2．1．1去噪自编码器
2．1．2联合双边滤波
2．1．3基于非稳态随机过程的鲁棒估计
2．2图像分割方法
2．2．1K均值聚类分割
2．2．2全局轮廓后验边界概率(gPb)图像分割
2．3目标检测方法
2．3．1支持向量机(Support vector machines，SVM)
2．3．2马尔可夫随机场分割
2．4本章小结
第3章基于卷积自编码器的结构光深度感知方法研究
3．1概述
3．2结构光深度测量原理
3．3卷积自编码器设计
3．3．1激光条图像块的设计
3．3．2LISP数据集构建
3．3．3自编码器网络结构设计
3．3．4网络训练及超参数调整
3．4基于全向结构光的深度感知计算方法
3．4．1全向结构光系统结构设计
3．4．2激光环图像去噪
3．4．3深度感知计算方法
3．5实验结果与分析
3．5．1评价标准
3．5．2激光图像去噪实验结果与分析
3．5．3深度测量实验结果与分析
3．6本章小结
第4章RGB-D图像超像素分割方法研究
4．1概述
4．2超像素分割方法原理
4．2．1RGB图像超像素分割方法
4．2．2RGB-D图像超像素分割算法
4．3算法框架
4．3．1概述和工作流程
4．3．2应用双边滤波器的深度图像修复
4．3．3距离度量
4．4加权共面特征聚类
4．4．1法线图的快速估计
4．4．2平面投影长度
4．4．3共面特征
4．4．4内容自适应权重
4．4．5聚类的收敛性
4．5实验结果与分析
4．5．1评价标准
4．5．2结果与分析
4．6本章小结
第5章基于非稳态随机过程的反射率测量方法研究
5．1概述
5．2反射率估计原理
5．2．1本征分解方法
5．2．2主动测量方法
5．2．3本征优化方法
5．3光照模型与算法流程
5．3．1Lambertian光照模型
5．3．2光照度假设
5．3．3算法流程
5．4反射率图像鲁棒估计
5．4．1非稳态随机过程模型
5．4．2光照度与反射率初值测量
5．4．3加性噪声模型
5．4．4最小均方误差算法
5．5实验结果与分析
5．5．1评价标准
5．5．2结果与分析
5．6本章小结
第6章多模态图像三维重建与目标检测方法研究
6．1概述
6．2多模态图像配准
6．2．1彩色与红外相机标定
6．2．2基于标定相机的图像配准
6．3基于多模态图像的三维重建
6．3．1彩色图像的照明校正
6．3．2点云三维重建
6．4基于多模态图像的目标检测
6．4．1多模态图像超像素分割
6．4．2语义标签生成
6．4．3候选长方体构造
6．4．4基于亚超像素的候选语义长方体生成
6．4．5语义长方体检测算法设计
6．5实验结果与分析
6．5．1评价标准
6．5．2三维重建实验结果与分析
6．5．3目标检测实验结果与分析
6．6本章小结
7．1本文工作总结
7．2未来工作展望
参考文献
攻读博士期间发表的论文和科研情况
致谢
东北大学;
