首页--农业科学论文--林业论文--森林采运与利用论文--木材学论文

多激光扫描仪三维重建技术研究及其在木材检测中的应用

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

论文共93页,点击 下载论文
上一篇:图像恢复背景下几类微分方程理论问题研究
下一篇:基于神经网络的非线性系统辨识方法研究