基于CUDA的大规模点云数据处理技术
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 逆向工程技术 | 第10-11页 |
| 1.2 逆向工程CAD建模基本步骤 | 第11-16页 |
| 1.2.1 数据测量 | 第12-14页 |
| 1.2.2 点云数据预处理 | 第14页 |
| 1.2.3 点云数据分块 | 第14-15页 |
| 1.2.4 曲面重构 | 第15-16页 |
| 1.3 CUDA架构概述 | 第16-18页 |
| 1.4 研究内容和目标 | 第18页 |
| 1.5 论文结构 | 第18-20页 |
| 第2章 点云数据处理技术 | 第20-34页 |
| 2.1 概述 | 第20-21页 |
| 2.2 点云去噪 | 第21-23页 |
| 2.2.1 噪声的来源 | 第21-22页 |
| 2.2.2 噪声数据去除 | 第22-23页 |
| 2.3 点云精简 | 第23-27页 |
| 2.3.1 随机简化法 | 第23-24页 |
| 2.3.2 平均简化法 | 第24-25页 |
| 2.3.3 曲率简化法 | 第25-27页 |
| 2.4 点云分割 | 第27页 |
| 2.5 点云拼接 | 第27-28页 |
| 2.6 点云数据处理中的基本数学方法 | 第28-33页 |
| 2.6.1 最小二乘法 | 第28-29页 |
| 2.6.2 曲率 | 第29-30页 |
| 2.6.3 二次曲面拟合 | 第30-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 空间数据点邻域分析计算 | 第34-49页 |
| 3.1 常见K近邻搜索算法 | 第34-35页 |
| 3.2 包围盒算法 | 第35-37页 |
| 3.3 KD树算法 | 第37-45页 |
| 3.3.1 KD树的建立 | 第37-40页 |
| 3.3.2 KD树的最近邻搜索 | 第40-44页 |
| 3.3.3 KD树的K近邻搜索 | 第44-45页 |
| 3.4 基于并行算法的K近邻查找 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 空间数据点基础属性计算 | 第49-58页 |
| 4.1 点云数据法矢估算 | 第49-52页 |
| 4.1.1 平面拟合法 | 第49-50页 |
| 4.1.2 空间点法矢估算的并行化计算 | 第50-52页 |
| 4.2 空间点的曲率估算 | 第52-57页 |
| 4.2.1 曲面的分类 | 第52-54页 |
| 4.2.2 曲率的估算 | 第54-56页 |
| 4.2.3 空间点曲率估算的并行化计算 | 第56-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 系统设计与实现 | 第58-66页 |
| 5.1 系统总体框架 | 第58-59页 |
| 5.2 系统功能模块描述与实现 | 第59-64页 |
| 5.2.1 点云模型读取和显示 | 第59-60页 |
| 5.2.2 点云精简和点云去噪 | 第60-64页 |
| 5.3 CPU/GPU运行结果对比分析 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |
