| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 特征线提取技术 | 第8-9页 |
| 1.2.2 基于学习的特征线提取 | 第9-11页 |
| 1.3 本文的主要任务 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 2 三角网格模型的处理基础 | 第13-27页 |
| 2.1 三角网格模型 | 第13-18页 |
| 2.1.1 STL格式的三角网格模型的表示 | 第13-14页 |
| 2.1.2 三角网格模型中的邻域关系 | 第14-15页 |
| 2.1.3 三角网格模型的基本数据结构 | 第15-17页 |
| 2.1.4 三角网格模型拓扑重建 | 第17-18页 |
| 2.2 三角网格模型读取及显示 | 第18-19页 |
| 2.2.1 网格模型读取 | 第18-19页 |
| 2.2.2 网格模型显示 | 第19页 |
| 2.3 三角网格模型几何特征计算 | 第19-25页 |
| 2.3.1 二面角计算 | 第19-20页 |
| 2.3.2 离散曲率估算 | 第20-21页 |
| 2.3.3 顶点法矢估算 | 第21-22页 |
| 2.3.4 曲率计算(Tuabin方法) | 第22-24页 |
| 2.3.5 形状直径函数估算 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于学习的网格特征边识别 | 第27-31页 |
| 3.1 研究背景与问题 | 第27页 |
| 3.2 特征边的几何特征分析 | 第27-29页 |
| 3.2.1 特征边界线 | 第27-28页 |
| 3.2.2 特征边界线的几何特征 | 第28-29页 |
| 3.2.3 特征边界线识别问题 | 第29页 |
| 3.3 总体方案设计 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 特征边识别分类器 | 第31-40页 |
| 4.1 训练样本构建 | 第31-34页 |
| 4.1.1 样本模型选取 | 第31页 |
| 4.1.2 几何特征向量 | 第31-33页 |
| 4.1.3 训练数据采集 | 第33-34页 |
| 4.1.4 分类器的训练样本集构建 | 第34页 |
| 4.2 基于BP-AdaBoost分类器的特征边识别 | 第34-38页 |
| 4.2.1 BP-Adaboost分类器 | 第35页 |
| 4.2.2 BP-AdaBoost分类器学习 | 第35-37页 |
| 4.2.3 基于训练的BP-AdaBoost分类器特征边界识别 | 第37-38页 |
| 4.3 本章小结 | 第38-40页 |
| 5 特征线提取 | 第40-49页 |
| 5.1 特征线提取方案 | 第40页 |
| 5.2 初始特征线生成 | 第40-42页 |
| 5.2.1 初始特征线生成 | 第40-41页 |
| 5.2.2 修剪及光顺 | 第41-42页 |
| 5.3 特征边段连续 | 第42-47页 |
| 5.3.1 最短路径连接法 | 第42-43页 |
| 5.3.2 网格边权重的特征线连接 | 第43-45页 |
| 5.3.3 特征线优化 | 第45-47页 |
| 5.4 实验结果与分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-57页 |