基于机载LiDAR点云数据的建筑物三维模型重建技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 基于影像的建筑物三维模型重建 | 第11-13页 |
| 1.2.2 基于点云数据的建筑物三维模型重建 | 第13-16页 |
| 1.2.3 融合多源数据的建筑物三维模型重建 | 第16-18页 |
| 1.3 论文的主要研究内容和结构安排 | 第18-20页 |
| 第二章 建筑物结构知识 | 第20-29页 |
| 2.1 层次知识 | 第20-22页 |
| 2.2 线面知识 | 第22-24页 |
| 2.3 模板知识 | 第24-25页 |
| 2.4 建筑物结构表示方法 | 第25-27页 |
| 2.4.1 空间分割表示法 | 第25页 |
| 2.4.2 构造几何实体法 | 第25-26页 |
| 2.4.3 边界表示法 | 第26-27页 |
| 2.4.4 拓扑图法 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于建筑物轮廓点区域增长的建筑物点云提取 | 第29-38页 |
| 3.1 建筑物初始轮廓点提取 | 第29-30页 |
| 3.2 非建筑物轮廓点剔除 | 第30-31页 |
| 3.3 多种子点区域增长的建筑物点云提取 | 第31-32页 |
| 3.4 实验与分析 | 第32-37页 |
| 3.4.1 实验1 | 第33-34页 |
| 3.4.2 实验2 | 第34-36页 |
| 3.4.3 实验结果分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 利用点云邻域信息的屋顶面提取 | 第38-54页 |
| 4.1 聚类种子点选取 | 第38-40页 |
| 4.2 点云局部法向量分布密度聚类 | 第40-42页 |
| 4.2.1 邻域扩充 | 第40-41页 |
| 4.2.2 面片验证 | 第41-42页 |
| 4.3 面片细化处理 | 第42-44页 |
| 4.3.1 面片合并 | 第42-43页 |
| 4.3.2 屋顶面竞争处理 | 第43-44页 |
| 4.4 实验与分析 | 第44-53页 |
| 4.4.1 数据与实验方法 | 第44-45页 |
| 4.4.2 实验1：单栋建筑物数据 | 第45-49页 |
| 4.4.3 实验2：区域建筑物数据 | 第49-51页 |
| 4.4.4 定量评价及分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基元库辅助的建筑物三维模型重建 | 第54-82页 |
| 5.1 屋顶面拓扑图 | 第54-59页 |
| 5.1.1 RTG的定义 | 第54-55页 |
| 5.1.2 RTG的构建 | 第55-58页 |
| 5.1.3 RTG的分解 | 第58-59页 |
| 5.2 建筑物基元库的设计 | 第59-61页 |
| 5.3 建筑物基元库辅助的屋顶面参数优化 | 第61-66页 |
| 5.3.1 屋顶面约束类型 | 第61-62页 |
| 5.3.2 附加约束的最小二乘拟合 | 第62-64页 |
| 5.3.3 约束的方程式 | 第64-66页 |
| 5.4 建筑物特征线与模型的生成 | 第66-71页 |
| 5.4.1 轮廓点提取与精简 | 第66-69页 |
| 5.4.2 轮廓线规则化 | 第69-71页 |
| 5.4.3 建筑物三维模型的生成 | 第71页 |
| 5.5 实验与分析 | 第71-80页 |
| 5.5.1 实验1：屋顶面参数优化 | 第71-73页 |
| 5.5.2 实验2：建筑物三维模型重建 | 第73-80页 |
| 5.6 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 本文研究工作总结 | 第82-83页 |
| 6.2 对今后研究的展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第92页 |
