三維計算機視覺技術及其在電力行業(yè)的應用

目錄前言第1章　三維視覺技術概述　11.1　背景與意義　11.2　研究歷史與現(xiàn)狀　31.3　相關技術簡介　51.3.1　基本概念及定義　51.3.2　關鍵點檢測與描述　51.3.3　顯著性區(qū)域檢測　71.3.4　三維非剛性模型配準　81.3.5　三維目標姿態(tài)估計　91.3.6　三維目標跟蹤　101.3.7　三維視覺技術電力應用實例　11第2章　關鍵點檢測與描述　142.1　引言　142.2　擴散幾何　152.2.1　黎曼流形　162.2.2　擴散幾何　172.2.3　離散化的擴散幾何　182.3　pHKS關鍵點檢測器　182.3.1　標量域的定義　182.3.2　同源一致性的計算　202.3.3　關鍵點的提取　212.4　HeaPS特征描述子　212.4.1　支撐區(qū)域　212.4.2　HeaPS特征描述子的生成　232.5　實驗分析　252.5.1　Interest Points數(shù)據(jù)集上的性能　262.5.2　PHOTOMESH數(shù)據(jù)集上的性能　292.5.3　TOSCA數(shù)據(jù)集上的性能　332.5.4　SHREC 2010特征檢測與描述數(shù)據(jù)集上的性能　372.5.5　SHREC 14 Human數(shù)據(jù)集上的性能　422.6　本章小結　44第3章　顯著性區(qū)域檢測　453.1　引言　453.2　基于同源聚類的三維非剛性模型分割　463.2.1　同源一致性的計算　463.2.2　標量域的定義　473.2.3　基于同源聚類的三維非剛性模型分割　483.3　基于標量域聚類演變的顯著性區(qū)域檢測　503.3.1　聚類評估　523.3.2　標量域聚類演變　533.3.3　顯著性區(qū)域的優(yōu)化　543.4　實驗分析　563.4.1　TOSCA數(shù)據(jù)集上的性能　563.4.2　Princeton Segmentation數(shù)據(jù)集上的性能　603.4.3　SHREC 2010特征檢測與描述數(shù)據(jù)集上的性能　643.4.4　SHREC 2010特征檢測與描述數(shù)據(jù)集上的性能應用　673.5　本章小結　70第4章　三維非剛性模型配準　714.1　引言　714.2　基于分層策略的三維非剛性模型配準　724.2.1　三維幾何模型的樹形表示　734.2.2　三維模型的分層配準　754.2.3　實驗分析　764.3　基于均衡化函數(shù)匹配的三維非剛性模型配準　814.3.1　函數(shù)匹配　814.3.2　基于均衡化函數(shù)匹配的模型配準　864.3.3　實驗分析　874.4　本章小結　91第5章　三維目標姿態(tài)估計　925.1　引言　925.2　點云深度學習　925.2.1　點云無序性　935.2.2　采樣非均勻性　935.3　頭部姿態(tài)估計　945.3.1　整體結構說明　945.3.2　數(shù)據(jù)預處理　955.3.3　下采樣和分組　955.3.4　點云特征提取　965.4　實驗分析　975.4.1　數(shù)據(jù)集　985.4.2　結果分析　985.5　本章小結　101第6章　三維目標跟蹤　1026.1　引言　1026.2　時敏單目標跟蹤　1026.2.1　面向目標的特征提取　1036.2.2　潛在目標中心的生成和篩選　1056.2.3　聯(lián)合提議和驗證　1056.2.4　模板點云的更新　1066.2.5　損失函數(shù)的定義　1066.3　實驗分析　1066.3.1　實驗配置　1076.3.2　消融實驗　1076.3.3　定量分析　1096.3.4　定性分析　1096.3.5　復雜度分析　1106.4　本章小結　110第7章　三維視覺技術電力應用實例　1117.1　引言　1117.2　三維實景建?！?117.2.1　背景　1117.2.2　由粗糙到精細的三維實景建?！?127.2.3　技術方案　1147.3　三維實景巡視　1187.3.1　背景　1187.3.2　基于局部場景更新的三維模型智能視頻融合　1197.3.3　技術方案　1217.4　輸變電設備智能運檢典型應用　1237.5　本章小結　126參考文獻　127