三维点云数据自适应精简的研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1-1 引言 | 第9页 |
| 1-2 选题的研究背景 | 第9-15页 |
| 1-3 三维点云精简技术的国内外研究现状 | 第15-16页 |
| 1-4 本课题研究目的及意义 | 第16-17页 |
| 1-5 论文研究的主要内容及结构安排 | 第17-19页 |
| 第二章 基本原理与系统平台 | 第19-35页 |
| 2-1 点云数据精简 | 第19-23页 |
| 2-1-1 典型的点云精简算法 | 第19-22页 |
| 2-1-2 几种精简算法改进 | 第22-23页 |
| 2-2 点云数据采集 | 第23-29页 |
| 2-2-1 Kinect设备及数据采集 | 第23-27页 |
| 2-2-2 手持式扫描仪及数据采集 | 第27-29页 |
| 2-3 开发平台 | 第29-34页 |
| 2-3-1 点云库PCL | 第29-33页 |
| 2-3-2 MeshLab工具 | 第33-34页 |
| 2-4 本章小节 | 第34-35页 |
| 第三章 点云数据预处理与特征提取 | 第35-51页 |
| 3-1 点云空间k邻域建立 | 第35-40页 |
| 3-1-1 k-d树搜索算法 | 第35-37页 |
| 3-1-2 八叉树搜索算法 | 第37-40页 |
| 3-2 点云边界提取 | 第40-42页 |
| 3-3 点云特征点识别与提取 | 第42-49页 |
| 3-3-1 局部平均距离 | 第42-43页 |
| 3-3-2 点云表面法向估计 | 第43-46页 |
| 3-3-3 曲率计算 | 第46-48页 |
| 3-3-4 特征提取 | 第48-49页 |
| 3-4 本章小结 | 第49-51页 |
| 第四章 点云数据自适应精简 | 第51-66页 |
| 4-1 点云曲率自适应精简 | 第51-53页 |
| 4-2 点云特征提取的自适应精简系统 | 第53-57页 |
| 4-2-1 点云特征提取的自适应精简算法 | 第53-54页 |
| 4-2-2 点云特征提取的自适应精简算法流程 | 第54-57页 |
| 4-3 实验及结果分析 | 第57-64页 |
| 4-3-1 自适应算法精简 | 第57-60页 |
| 4-3-2 几种算法精简对比 | 第60-64页 |
| 4-4 本章小结 | 第64-66页 |
| 第五章 三维点云数据精简评价 | 第66-76页 |
| 5-1 点云精简评价体系 | 第66-67页 |
| 5-2 精简精度评价 | 第67-70页 |
| 5-2-1 常用的点云精简精度评价方法 | 第67-68页 |
| 5-2-2 平面拟合法 | 第68-69页 |
| 5-2-3 球体拟合法 | 第69-70页 |
| 5-3 精简数据验证 | 第70-75页 |
| 5-4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6-1 工作总结 | 第76-77页 |
| 6-2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
