激光点云下的建筑物重建技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 激光扫描仪介绍 | 第11-15页 |
| 1.2.2 基于激光点云的三维重建研究现状 | 第15-18页 |
| 1.3 论文的研究目标和结构安排 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 三维重建算法研究简介 | 第20-35页 |
| 2.1 基于先验知识的建筑物重建 | 第20-26页 |
| 2.1.1 算法概述 | 第20-21页 |
| 2.1.2 特征提取 | 第21-23页 |
| 2.1.3 几何重建 | 第23-25页 |
| 2.1.4 算法分析 | 第25-26页 |
| 2.2 基于语法规则的建筑物立面重建 | 第26-30页 |
| 2.2.1 算法概述 | 第26-27页 |
| 2.2.2 语法分割 | 第27-29页 |
| 2.2.3 模型重建 | 第29-30页 |
| 2.2.4 算法分析 | 第30页 |
| 2.3 基于Glob Fit算法的模型重建 | 第30-34页 |
| 2.3.1 算法概述 | 第30-31页 |
| 2.3.2 方向对齐关系 | 第31-33页 |
| 2.3.3 置换关系对齐 | 第33-34页 |
| 2.3.4 相等关系对齐 | 第34页 |
| 2.3.5 算法小结 | 第34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于点密度采样的建筑物点云立面分割方法 | 第35-44页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于距离密度优化的RANSAC算法 | 第36-38页 |
| 3.2.1 RANSAC算法的基本原理 | 第36页 |
| 3.2.2 最小采样集选取方式 | 第36页 |
| 3.2.3 模型质量评价准则 | 第36-37页 |
| 3.2.4 分割面的优化 | 第37页 |
| 3.2.5 算法流程 | 第37-38页 |
| 3.3 实验与分析 | 第38-43页 |
| 3.3.1 实验设置 | 第38-39页 |
| 3.3.2 实验分析 | 第39-43页 |
| 3.4 结论 | 第43-44页 |
| 第4章 基于正则集的建筑物重建 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 正则集算法概述 | 第45-46页 |
| 4.3 算法的详细过程 | 第46-49页 |
| 4.3.1 初始化 | 第46-47页 |
| 4.3.2 候选集生成 | 第47页 |
| 4.3.3 正则集选择 | 第47-49页 |
| 4.3.4 算法流程 | 第49页 |
| 4.4 实验与分析 | 第49-57页 |
| 4.4.1 实验设置 | 第49-51页 |
| 4.4.2 结果及分析 | 第51-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 本文的研究工作总结 | 第58页 |
| 5.2 问题与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 在学期间科研成果情况 | 第66页 |
