三维点云数据区域分割的研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 三维数据的应用 | 第8-10页 |
| 1.1.2 三维点云数据 | 第10-11页 |
| 1.2 点云分割的国内外研究现状 | 第11-13页 |
| 1.3 研究的目的和意义 | 第13页 |
| 1.4 本文的主要内容 | 第13-14页 |
| 第二章 三维点云数据的采集及格式 | 第14-24页 |
| 2.1 常用的三维点云数据的采集方法 | 第14-15页 |
| 2.2 基于Kinect的点云数据采集方法 | 第15-19页 |
| 2.2.1 Kinect简介 | 第15-16页 |
| 2.2.2 数据采集 | 第16-19页 |
| 2.3 三维数据的格式 | 第19-21页 |
| 2.3.1 常用的三维数据格式 | 第19页 |
| 2.3.2 本文所用的点云数据的格式 | 第19-21页 |
| 2.4 利用Meshlab对点云数据转换格式 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 三维点云数据的预处理 | 第24-34页 |
| 3.1 坐标轴的平移和旋转 | 第24-25页 |
| 3.2 三维点云数据处理的软件环境 | 第25-28页 |
| 3.2.1 PCL | 第25-26页 |
| 3.2.2 Visual Studio | 第26-28页 |
| 3.3 点云数据颜色添加 | 第28-29页 |
| 3.4 滤波处理 | 第29-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 三维点云数据的特征提取 | 第34-42页 |
| 4.1 K邻域建立 | 第34-36页 |
| 4.2 法向量 | 第36-38页 |
| 4.2.1 法向量的计算 | 第36-37页 |
| 4.2.2 结果及分析 | 第37-38页 |
| 4.3 法向量方向的调整 | 第38-39页 |
| 4.4 曲率 | 第39-41页 |
| 4.4.1 曲率量的计算 | 第39-40页 |
| 4.4.2 结果及分析 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 点云数据区域分割方法 | 第42-56页 |
| 5.1 平面数据的分割 | 第42-47页 |
| 5.1.1 改进的随机采样一致性割算法 | 第42-44页 |
| 5.1.2 改进的区域增长分割算法 | 第44-46页 |
| 5.1.3 基于点距的分割算法 | 第46-47页 |
| 5.2 聚类分割 | 第47-52页 |
| 5.2.1 基于欧式距离的聚类算法 | 第47-49页 |
| 5.2.2 模糊 C 均值聚类 | 第49-51页 |
| 5.2.3 谱聚类 | 第51-52页 |
| 5.3 基于曲率变化程度的分割 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 自适应区域分割 | 第56-68页 |
| 6.1 自适应区域分割的方法 | 第56-60页 |
| 6.2 分割结果及分析 | 第60-66页 |
| 6.3 本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 工作总结 | 第68页 |
| 7.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |
