第一部分 绪论 3
第1章 什么是物体自动理解技术 3
1.1 物体自动理解技术概念 3
1.2 研究意义 3
第二部分 特征提取 7
第2章 三维模型概述 7
2.1 三维模型的起源与发展 7
2.2 三维模型的获取与存储 8
2.3 国内外三维模型特征提取的研究现状 9
第3章 基于二维图像的特征提取 11
3.1 深度学习的出现和发展 11
3.2 深度学习原理概述 14
3.3 基本的前馈神经网络模型 18
3.4 深度学习模型训练中的优化方法和常用技巧 22
3.5 内嵌推理的深度网络框架 25
3.6 特征学习层 26
3.7 结构学习层 33
3.8 特征融合层 35
3.9 实验分析 36
第4章 基于深度学习的三维模型特征提取 41
4.1 三维模型的底层特征提取 41
4.2 模型的中层特征提取 45
4.3 三维模型的高层特征提取 51
4.4 实验验证与分析 57
第5章 基于深度置信网络的三维模型特性提取 70
5.1 相关算法理论 70
5.2 算法框架 74
5.3 数据预处理和视角图像的生成 76
5.4 特征提取 77
5.5 实验验证与结果分析 79
5.6 小结 84
第三部分 三维网格分割与模型检索 89
第6章 视觉分割技术概述 89
6.1 分割背景和意义 89
6.2 图形分割的国内外研究现状 90
第7章 二维图像分割算法研究 93
7.1 颜色空间及分析 93
7.2 纹理特征及分析 94
7.3 常用彩色图像分割方法 95
7.4 小结 99
第8章 三维网格分割研究 100
8.1 网格分割概述 101
8.2 基于有监督学习的三维模型分割 102
8.3 基于谱嵌入的三维模型共分割 106
8.4 基于用户交互的快捷分割 109
8.5 基于凸度估计和快速行进方法的三维模型自动分割算法 111
第9章 多标准三维物体分割评价 122
9.1 相似性汉明距离 122
9.2 熵增 127
9.3 自适应熵增 130
9.4 评价实验 131
9.5 其他评价方法 138
第10章 非刚性单位模型检索应用 141
10.1 三维形状分类方法简介 141
10.2 形状检索定义 141
10.3 三维形状检索研究现状 141
10.4 常用检索评价方法 143
10.5 非刚性三维模型检索 143
第四部分 三维场景重建 155
第11章 基于三维场景分割的三维重建 155
11.1 图像预处理 155
11.2 基于边缘检测的RGBD图像过分割 160
11.3 地面和墙的测定及对分割结果的处理 164
11.4 基于随机回归森林的场景区域识别 165
11.5 目标提取 168
11.6 场景更新 169
11.7 实验结果 173
11.8 小结 174
第五部分 三维模型功能性分析 177
第12章 功能性分析相关理论 177
12.1 功能性分析的引入 177
12.2 基于舒适性的人体骨架模型姿态设计 179
12.3 研究现状 180
第13章 基于人体骨架的三维模型功能性分析 184
13.1 三维模型功能性检测及应用 184
13.2 基于舒适性的人体模型生成 198
13.3 功能性分析实验验证 202
13.4 相关讨论 222
参考文献 226