| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 本文研究背景及其意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 点云数据压缩 | 第11-12页 |
| 1.2.2 基于过完备字典的信号稀疏表示 | 第12-15页 |
| 1.2.3 压缩感知理论 | 第15-16页 |
| 1.3 本文主要研究工作与论文组织 | 第16-20页 |
| 第2章 基于 K 近邻的点云数据规格化 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 点云数据规格化方法概述 | 第20-21页 |
| 2.3 点云法向计算及其调整 | 第21-24页 |
| 2.3.1 基于最小二乘的点云法向估计 | 第21-23页 |
| 2.3.2 点云法向调整 | 第23-24页 |
| 2.4 点云规格化矩阵计算 | 第24-26页 |
| 2.5 实验结果及分析 | 第26-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于过完备字典的点云数据稀疏表示 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 基于 K-SVD 的点云过完备字典训练算法 | 第30-33页 |
| 3.3 点云数据的过完备字典训练方法改进 | 第33-39页 |
| 3.3.1 点云数据的正交匹配方法改进 | 第33-36页 |
| 3.3.2 点云数据的过完备字典训练方法改进 | 第36-39页 |
| 3.4 实验结果及分析 | 第39-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于压缩感知的点云数据编码与重建 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 基于随机观测矩阵的点云数据编码 | 第44-46页 |
| 4.3 点云数据的重建算法与优化 | 第46-48页 |
| 4.3.1 基于l_1范数最小化的重建算法 | 第46-47页 |
| 4.3.2 基于TV-L_1模型的点云重建算法 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-58页 |
| 4.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间所取得的研究成果 | 第68-70页 |
| 致谢 | 第70页 |