散乱点云特征提取和聚类精简技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-21页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 点云特征提取研究现状 | 第11-12页 |
| 1.2.2 点云聚类研究现状 | 第12页 |
| 1.2.3 点云精简研究现状 | 第12-14页 |
| 1.3 点云数据的获取与分类 | 第14-18页 |
| 1.4 研究内容及技术路线 | 第18-20页 |
| 1.4.1 主要研究内容 | 第18页 |
| 1.4.2 技术路线 | 第18-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 2 散乱点云特征提取 | 第21-42页 |
| 2.1 引言 | 第21页 |
| 2.2 经典点云特征提取方法 | 第21-24页 |
| 2.2.1 基于曲率和法矢的点云特征提取 | 第21-22页 |
| 2.2.2 曲率和法矢的估算 | 第22-24页 |
| 2.3 基于多判别参数混合方法的散乱点云特征提取 | 第24-37页 |
| 2.3.1 空间拓扑结构的建立 | 第24-31页 |
| 2.3.2 特征判别参数的计算 | 第31-37页 |
| 2.3.3 特征点的判别 | 第37页 |
| 2.4 实验结果与分析 | 第37-41页 |
| 2.5 本章小结 | 第41-42页 |
| 3 散乱点云K-means聚类算法研究 | 第42-51页 |
| 3.1 引言 | 第42页 |
| 3.2 传统点云K-means聚类算法 | 第42-46页 |
| 3.2.1 算法概述 | 第42-44页 |
| 3.2.2 算法基本要素 | 第44-46页 |
| 3.3 基于自适应八叉树的点云K-means聚类 | 第46-47页 |
| 3.3.1 算法概述 | 第46-47页 |
| 3.3.2 算法流程 | 第47页 |
| 3.4 实验结果与分析 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 散乱点云精简算法研究 | 第51-66页 |
| 4.1 引言 | 第51页 |
| 4.2 经典散乱点云精简方法 | 第51-54页 |
| 4.2.1 随机精简法 | 第52页 |
| 4.2.2 栅格精简法 | 第52-53页 |
| 4.2.3 曲率精简法 | 第53-54页 |
| 4.2.4 点云精简算法评价指标 | 第54页 |
| 4.3 自适应K-means聚类的散乱点云精简 | 第54-57页 |
| 4.3.1 算法流程 | 第54-55页 |
| 4.3.2 K-means聚类精简 | 第55-57页 |
| 4.4 实验结果与分析 | 第57-64页 |
| 4.4.1 参数选择 | 第57页 |
| 4.4.2 不同精简比例下的精简结果 | 第57-59页 |
| 4.4.3 不同精简算法精简结果对比 | 第59-64页 |
| 4.5 本章小结 | 第64-66页 |
| 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第73页 |
