| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 选题背景及意义 | 第13-19页 |
| 1.1.1 三维激光扫描仪的兴起 | 第13-15页 |
| 1.1.2 三维激光扫描仪的原理及分类 | 第15-17页 |
| 1.1.3 三维激光扫描技术的应用 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.2.1 三维激光扫描技术的研究现状 | 第19-21页 |
| 1.2.2 点云简化的研究现状 | 第21-22页 |
| 1.3 研究内容和组织结构 | 第22-24页 |
| 第2章 模型拟合的稳健估计算法 | 第24-29页 |
| 2.1 最小二乘法 | 第24-25页 |
| 2.2 极大似然估计法 | 第25-26页 |
| 2.3 RANSAC算法 | 第26-28页 |
| 2.3.1 RANSAC示例 | 第26-27页 |
| 2.3.2 RANSAC算法步骤 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于k-d树的点云数据拓扑关系的建立 | 第29-37页 |
| 3.1 典型的空间数据划分方法 | 第31-33页 |
| 3.1.1 八叉树划分方法 | 第31-32页 |
| 3.1.2 格网划分方法 | 第32-33页 |
| 3.2 基于k-d树的点云数据划分研究 | 第33-35页 |
| 3.2.1 k-d树索引 | 第33-35页 |
| 3.2.2 基于最长轴的k-d树分割规则 | 第35页 |
| 3.3 本章小结 | 第35-37页 |
| 第4章 面向特征拟合的点云数据简化方法 | 第37-54页 |
| 4.1 常用的点云简化算法 | 第38-42页 |
| 4.1.1 曲率采样法 | 第38-39页 |
| 4.1.2 聚类简化方法 | 第39-41页 |
| 4.1.3 包围盒简化方法 | 第41-42页 |
| 4.1.4 粒子仿真简化方法 | 第42页 |
| 4.2 点云数据简化结果的评定方法 | 第42-43页 |
| 4.3 基于法向量的面向特征拟合的点云简化方法 | 第43-46页 |
| 4.3.1 点云数据法矢量的计算 | 第43-45页 |
| 4.3.2 基于法向量的面向特征拟合的点云简化算法 | 第45-46页 |
| 4.4 基于特征点约束的面向特征拟合的点云简化方法 | 第46-52页 |
| 4.4.1 点的几何特征分析 | 第46-48页 |
| 4.4.2 点的特征描述 | 第48-49页 |
| 4.4.3 基于特征点约束的面向特征拟合的点云简化算法 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 实验与分析 | 第54-69页 |
| 5.1 实验数据 | 第54页 |
| 5.2 简单模型拟合的点云简化的实验与分析 | 第54-58页 |
| 5.2.1 简单模型的点云简化实验与分析 | 第54-57页 |
| 5.2.2 简化前后模型拟合实验与分析 | 第57-58页 |
| 5.2.3 拟合效率与精度分析 | 第58页 |
| 5.3 复杂模型拟合的点云简化的实验与分析 | 第58-61页 |
| 5.4 多平面模型拟合的点云简化实验与分析 | 第61-68页 |
| 5.4.1 多平面模型简化实验与分析 | 第61-64页 |
| 5.4.2 简化前后多平面拟合实验与分析 | 第64-66页 |
| 5.4.3 拟合效率与精度分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 研究工作总结 | 第69页 |
| 6.2 主要贡献和创新 | 第69页 |
| 6.3 进一步工作与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 研究生期间发表论文情况 | 第75页 |
