基于点云数据的精简算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·论文研究背景 | 第9-11页 |
| ·三维激光扫描技术 | 第9-10页 |
| ·三维激光扫描仪采集数据的特性 | 第10-11页 |
| ·点云精简的国内外研究现状 | 第11-14页 |
| ·论文的研究内容与技术路线 | 第14-16页 |
| ·主要研究内容 | 第14-16页 |
| ·论文的组织结构 | 第16-18页 |
| 第2章 索引算法 | 第18-45页 |
| ·KD-tree | 第18-27页 |
| ·KD-tree 查找算法 | 第19页 |
| ·KD-tree 插入 | 第19-20页 |
| ·Kd_tree 删除 | 第20-22页 |
| ·程序实现 | 第22-27页 |
| ·R-tree | 第27-38页 |
| ·查询算法 | 第28-30页 |
| ·插入算法 | 第30-31页 |
| ·删除算法 | 第31-32页 |
| ·程序实现 | 第32-38页 |
| ·八叉树 | 第38-45页 |
| ·线性八叉树编码 | 第39-40页 |
| ·构建散乱点云八叉树流程 | 第40-41页 |
| ·程序实现 | 第41-45页 |
| 第3章 点云采样 | 第45-51页 |
| ·Gauss 曲率采样原理 | 第45-47页 |
| ·曲面上的第二基本形式 | 第45页 |
| ·weingarten 变换与主曲率 | 第45-47页 |
| ·Gauss 曲率与平均曲率推导 | 第47页 |
| ·边界保护 | 第47-49页 |
| ·边界特征点的识别 | 第48-49页 |
| ·总结 | 第49-51页 |
| 第4章 CUDA 编程 | 第51-65页 |
| ·并行计算架构 CUDATM | 第51页 |
| ·内核 | 第51-54页 |
| ·CUDA 异步并发 | 第54-58页 |
| ·主机与设备之间的异步操作 | 第54-55页 |
| ·流 | 第55-56页 |
| ·事件 | 第56-57页 |
| ·计算模式 | 第57-58页 |
| ·程序实现法向计算加速 | 第58-65页 |
| ·加速核函数实现 | 第58-62页 |
| ·结果分析 | 第62-65页 |
| 第5章 系统设计与实现 | 第65-75页 |
| ·系统总体设计 | 第65-68页 |
| ·系统设计 | 第65-66页 |
| ·系统统一数据结构设计 | 第66-68页 |
| ·系统实现与功能介绍 | 第68-70页 |
| ·系统的界面介绍 | 第68-70页 |
| ·实验对比分析 | 第70-75页 |
| ·分析对比 | 第70-71页 |
| ·大数据测试 | 第71-75页 |
| 第6章 总结与展望 | 第75-78页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 附录 | 第84-85页 |
| 致谢 | 第85页 |
