前言
第1章 三维视觉技术概述
1.1 背景与意义
1.2 研究历史与现状
1.3 相关技术简介
1.3.1 基本概念及定义
1.3.2 关键点检测与描述
1.3.3 显著性区域检测
1.3.4 三维非刚性模型配准
1.3.5 三维目标姿态估计
1.3.6 三维目标跟踪
1.3.7 三维视觉技术电力应用实例
第2章 关键点检测与描述
2.1 引言
2.2 扩散几何
2.2.1 黎曼流形
2.2.2 扩散几何
2.2.3 离散化的扩散几何
2.3 pHKS关键点检测器
2.3.1 标量域的定义
2.3.2 同源一致性的计算
2.3.3 关键点的提取
2.4 HeaPS特征描述子
2.4.1 支撑区域
2.4.2 HeaPS特征描述子的生成
2.5 实验分析
2.5.1 Interest Points数据集上的性能
2.5.2 PHOTOMESH数据集上的性能
2.5.3 TOSCA数据集上的性能
2.5.4 SHREC 2010特征检测与描述数据集上的性能
2.5.5 SHREC 14 Human数据集上的性能
2.6 本章小结
第3章 显著性区域检测
3.1 引言
3.2 基于同源聚类的三维非刚性模型分割
3.2.1 同源一致性的计算
3.2.2 标量域的定义
3.2.3 基于同源聚类的三维非刚性模型分割
3.3 基于标量域聚类演变的显著性区域检测
3.3.1 聚类评估
3.3.2 标量域聚类演变
3.3.3 显著性区域的优化
3.4 实验分析
3.4.1 TOSCA数据集上的性能
3.4.2 Princeton Segmentation数据集上的性能
3.4.3 SHREC 2010特征检测与描述数据集上的性能
3.4.4 SHREC 2010特征检测与描述数据集上的性能应用
3.5 本章小结
第4章 三维非刚性模型配准
4.1 引言
4.2 基于分层策略的三维非刚性模型配准
4.2.1 三维几何模型的树形表示
4.2.2 三维模型的分层配准
4.2.3 实验分析
4.3 基于均衡化函数匹配的三维非刚性模型配准
4.3.1 函数匹配
4.3.2 基于均衡化函数匹配的模型配准
4.3.3 实验分析
4.4 本章小结
第5章 三维目标姿态估计
5.1 引言
5.2 点云深度学习
5.2.1 点云无序性
5.2.2 采样非均匀性
5.3 头部姿态估计
5.3.1 整体结构说明
5.3.2 数据预处理
5.3.3 下采样和分组
5.3.4 点云特征提取
5.4 实验分析
5.4.1 数据集
5.4.2 结果分析
5.5 本章小结
第6章 三维目标跟踪
6.1 引言
6.2 时敏单目标跟踪
6.2.1 面向目标的特征提取
6.2.2 潜在目标中心的生成和筛选
6.2.3 联合提议和验证
6.2.4 模板点云的更新
6.2.5 损失函数的定义
6.3 实验分析
6.3.1 实验配置
6.3.2 消融实验
6.3.3 定量分析
6.3.4 定性分析
6.3.5 复杂度分析
6.4 本章小结
第7章 三维视觉技术电力应用实例
7.1 引言
7.2 三维实景建模
7.2.1 背景
7.2.2 由粗糙到精细的三维实景建模
7.2.3 技术方案
7.3 三维实景巡视
7.3.1 背景
7.3.2 基于局部场景更新的三维模型智能视频融合
7.3.3 技术方案
7.4 输变电设备智能运检典型应用
7.5 本章小结
参考文献
展开
