秦俑文物模型点云骨架提取技术及匹配方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 三维模型骨架提取简介 | 第11页 |
| 1.3 骨架提取的研究现状 | 第11-15页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.3.3 研究现状分析 | 第14-15页 |
| 1.4 本文研究内容及组织结构 | 第15-16页 |
| 1.4.1 本文研究内容 | 第15页 |
| 1.4.2 本文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 第二章 点云模型骨架提取相关技术 | 第18-30页 |
| 2.1 文物模型数字化处理技术 | 第18-21页 |
| 2.1.1 数据获取 | 第18-19页 |
| 2.1.2 数据预处理 | 第19-21页 |
| 2.2 L_1-中值理论基础 | 第21-25页 |
| 2.2.1 L_1-中值的定义 | 第21-22页 |
| 2.2.2 局部L_1-中值思想 | 第22-23页 |
| 2.2.3 局部L_1-中值的迭代求解 | 第23-25页 |
| 2.3 ROSA点云骨架提取算法 | 第25-28页 |
| 2.3.1 ROSA点的定义 | 第25-26页 |
| 2.3.2 最优割平面 | 第26页 |
| 2.3.3 ROSA点的计算 | 第26-27页 |
| 2.3.4 曲线骨架提取 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于L_1-中值的点云骨架提取算法 | 第30-46页 |
| 3.1 算法概览 | 第30-33页 |
| 3.2 点云下采样及采样点平滑 | 第33-34页 |
| 3.3 点云邻域及点分布情况分析 | 第34-36页 |
| 3.3.1 点云邻域的确定 | 第34页 |
| 3.3.2 点分布情况分析 | 第34-36页 |
| 3.4 迭代收缩提取曲线骨架 | 第36-40页 |
| 3.4.1 基于L_1-中值的点云收缩步骤 | 第37页 |
| 3.4.2 骨架分支点的识别和标记 | 第37-38页 |
| 3.4.3 骨架分支的延展及连接 | 第38-39页 |
| 3.4.4 逐步扩大邻域半径生成骨架 | 第39-40页 |
| 3.5 点云骨架增强 | 第40-42页 |
| 3.5.1 基于密度的加权 | 第40-41页 |
| 3.5.2 中心重定位 | 第41-42页 |
| 3.6 算法性能分析 | 第42-43页 |
| 3.7 实验结果及分析 | 第43-44页 |
| 3.8 本文方法与ROSA方法的比较 | 第44-45页 |
| 3.9 本章小结 | 第45-46页 |
| 第四章 曲线骨架匹配算法 | 第46-58页 |
| 4.1 骨架匹配介绍 | 第46-48页 |
| 4.1.1 骨架匹配研究现状 | 第46-48页 |
| 4.1.2 骨架匹配方法综合评述 | 第48页 |
| 4.2 改进的最优子序列双射算法 | 第48-50页 |
| 4.3 基于骨架交叉点和端点的匹配算法 | 第50-56页 |
| 4.3.1 骨架路径距离的计算 | 第51-52页 |
| 4.3.2 骨架交叉点和端点的匹配 | 第52-54页 |
| 4.3.3 骨架相似性计算 | 第54-55页 |
| 4.3.4 实验结果 | 第55-56页 |
| 4.4 本文方法与其他方法的比较 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 秦俑模型点云骨架提取系统的设计与实现 | 第58-62页 |
| 5.1 系统开发环境 | 第58页 |
| 5.2 系统结构和流程 | 第58-59页 |
| 5.3 系统功能与模块设计 | 第59-61页 |
| 5.4 系统应用展示 | 第61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62页 |
| 6.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |
