| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·课题研究背景及意义 | 第11-13页 |
| ·点云配准算法国内外研究现状 | 第13-18页 |
| ·基于二维图像的特征配准算法 | 第13-15页 |
| ·基于双目测量设备的三维点云配准算法 | 第15-17页 |
| ·基于激光扫描的三维点云配准算法 | 第17-18页 |
| ·本文的研究目的和成果 | 第18-19页 |
| ·本文的组织结构 | 第19-20页 |
| ·小结 | 第20-21页 |
| 2 一种改进的特征匹配算法研究及在图像拼接中的应用 | 第21-36页 |
| ·引言 | 第21-22页 |
| ·图像配准的原理和常用算法 | 第22-26页 |
| ·图像配准的原理 | 第22-23页 |
| ·图像配准的常用算法 | 第23-26页 |
| ·图像融合的常用算法 | 第26-27页 |
| ·本章改进的特征配准算法及图像拼接的基本流程 | 第27-33页 |
| ·图像匹配预处理 | 第28-29页 |
| ·SIFT 特征点提取 | 第29-31页 |
| ·本章进行改进的特征匹配方法 | 第31-33页 |
| ·图像融合 | 第33页 |
| ·实验结果和分析 | 第33-35页 |
| ·小结 | 第35-36页 |
| 3 一种面向工业测量精度评价的稀疏点云配准算法研究 | 第36-49页 |
| ·引言 | 第36页 |
| ·稀疏点云数据进行配准的原理和常用算法 | 第36-40页 |
| ·PCA 算法 | 第37-38页 |
| ·ICP 算法 | 第38-40页 |
| ·本章改进的工业精度测量的基本流程 | 第40-44页 |
| ·点云坐标归一 | 第41-43页 |
| ·改进的 ICP 算法 | 第43-44页 |
| ·应用实例及分析 | 第44-48页 |
| ·小结 | 第48-49页 |
| 4 融合多新息卡尔曼滤波理论的密集点云配准算法研究 | 第49-64页 |
| ·引言 | 第49-50页 |
| ·本章主要算法介绍 | 第50-53页 |
| ·卡尔曼滤波器 | 第50-51页 |
| ·多新息辩证理论 | 第51-53页 |
| ·本章算法的基本流程 | 第53-57页 |
| ·基于 PCA 的点云粗匹配 | 第54-55页 |
| ·基于多新息卡尔曼滤波的改进算法 | 第55-57页 |
| ·应用 ICP 算法进行点云精配准 | 第57页 |
| ·实验结果和分析 | 第57-63页 |
| ·小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| ·本文总结 | 第64-65页 |
| ·课题下一步的研究展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第73-74页 |
| 致谢 | 第74-76页 |
