| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 木材的三维重建技术研究现状 | 第14-16页 |
| 1.3 三维激光扫描技术及其在林业研究中的应用 | 第16-19页 |
| 1.3.1 国外应用三维激光技术进行林业研究的现状 | 第16-17页 |
| 1.3.2 国内应用三维激光技术进行林业研究的现状 | 第17-18页 |
| 1.3.3 对国内外应用三维激光技术进行林业研究的现状的分析 | 第18-19页 |
| 1.4 三维激光点云去噪的研究现状 | 第19-20页 |
| 1.5 三维激光点云数据精简算法研究现状 | 第20-21页 |
| 1.6 点云数据配准算法的研究现状 | 第21-22页 |
| 1.7 本文研究内容和技术路线 | 第22-25页 |
| 1.7.1 本文研究的主要内容 | 第22-23页 |
| 1.7.2 本文研究的技术路线 | 第23-25页 |
| 2 三维激光点云数据逆向三维重建基础 | 第25-31页 |
| 2.1 三维激光扫描仪的分类及选取 | 第25-27页 |
| 2.2 三维激光点云数据的存储形式 | 第27-28页 |
| 2.3 影响点云数据三维重建图像质量的因素 | 第28-29页 |
| 2.4 点云数据的三维重建模型 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 多激光扫描仪硬件系统设计 | 第31-42页 |
| 3.1 多激光扫描仪硬件系统的整体结构 | 第31页 |
| 3.2 高精度平移升降装置 | 第31-32页 |
| 3.3 辅助升降车 | 第32-35页 |
| 3.4 中控设备 | 第35-39页 |
| 3.5 多激光扫描仪硬件系统的扫描方法 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 树干表面形貌三维激光点云数据的预处理 | 第42-53页 |
| 4.1 传统的双边滤波点云数据去噪方法 | 第42-43页 |
| 4.2 改进权重因子的双边滤波点云数据去噪方法 | 第43-45页 |
| 4.3 基于主成分分析的三维点云数据法向量估计 | 第45页 |
| 4.4 改进的双边滤波方法在树干表面形貌三维点云数据去噪中的应用 | 第45-48页 |
| 4.5 基于包围盒的二次曲面点云精简算法 | 第48-50页 |
| 4.6 基于包围盒的法向量估计点云数据精简 | 第50-51页 |
| 4.7 本章小结 | 第51-53页 |
| 5 树干表面形貌三维重建 | 第53-68页 |
| 5.1 基于七参数法的三个Gocator 2080三维激光扫描仪机械标定 | 第53-59页 |
| 5.2 ICP点云数据配准算法的简介 | 第59页 |
| 5.3 基于局部邻域几何特征改进的点云ICP配准 | 第59-61页 |
| 5.4 树干表面形貌三维激光点云数据配准 | 第61-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 基于树干表面形貌三维点云数据转换的树种分类识别 | 第68-77页 |
| 6.1 点云数据采集 | 第68-69页 |
| 6.2 表面平面转换(Surface Plane Transformation)方法 | 第69-70页 |
| 6.3 特征参数提取 | 第70-73页 |
| 6.4 SOM神经网络 | 第73-74页 |
| 6.5 实验材料的选取及灰度共生矩阵特征数据库的建立 | 第74-75页 |
| 6.5.1 实验材料的选取 | 第74页 |
| 6.5.2 灰度共生矩阵特征数据库的建立 | 第74-75页 |
| 6.6 树种分类识别结果及分析 | 第75-76页 |
| 6.7 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-87页 |
| 攻读学位期间发表的学术论文 | 第87页 |
| 攻读学位期间参与的课题 | 第87-88页 |
| 致谢 | 第88-90页 |
| 东北林业大学博士研宄生学位论文评阅 | 第90-91页 |
| 东北林业大学博士学位论文修改情况确认表 | 第91-93页 |
| 附件 | 第93页 |
