首页--工业技术论文--建筑科学论文--建筑基础科学论文--建筑勘测论文--观测论文

利用三维激光扫描技术的边坡形变监测方法研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-21页
    1.1 研究的背景和意义第9-17页
        1.1.1 边坡监测的重要性第9-10页
        1.1.2 边坡形变监测的发展情况第10-14页
        1.1.3 利用三维激光扫描技术进行边坡监测的优势第14-17页
    1.2 国内外研究现状第17-18页
    1.3 本文研究内容第18-21页
        1.3.1 研究内容第18-19页
        1.3.2 论文结构安排第19-21页
第2章 点云数据处理第21-32页
    2.1 点云拼接第21-25页
        2.1.1 相关坐标系第21-22页
        2.1.2 点云拼接的原理第22页
        2.1.3 点云拼接方法第22-23页
        2.1.4 拼接实验第23-25页
    2.2 点云滤波第25-27页
        2.2.1 点云滤波的原理第25页
        2.2.2 点云滤波的方法第25-26页
        2.2.3 点云滤波实验第26-27页
    2.3 点云简化第27-28页
        2.3.1 点云简化的原理和方法第27-28页
        2.3.2 点云简化实验第28页
    2.4 生成DEM第28-31页
        2.4.1 不规则三角网第28-29页
        2.4.2 实验第29-30页
        2.4.3 精度评价第30-31页
    2.5 表面比较第31-32页
第3章 系统误差的改正方法第32-49页
    3.1 系统误差的分析第32-33页
    3.2 利用ICP迭代的改正方法第33-38页
        3.2.1 ICP方法第33-34页
        3.2.2 ICP方法的发展第34-37页
        3.2.3 利用ICP方法的系统误差改正第37-38页
    3.3 利用稳定区域平面特征的改正方法第38-47页
        3.3.1 平面拟合第38-41页
        3.3.2 RANSAC算法第41-45页
        3.3.3 旋转改正第45-47页
        3.3.4 平移改正第47页
    3.4 本章小结第47-49页
第4章 偶然误差的削弱方法第49-60页
    4.1 扫描点误差分析第49-50页
        4.1.1 扫描点误差的来源第49页
        4.1.2 扫描点误差的性质第49-50页
    4.2 求解重心削弱偶然误差第50-55页
        4.2.1 kd-tree的构建和查找第51-52页
        4.2.2 利用kd-tree的重心求解第52-55页
    4.3 点云分块拟合削弱偶然误差第55-59页
        4.3.1 分块拟合方法第55-56页
        4.3.2 分块拟合实验第56-59页
    4.4 本章小结第59-60页
第5章 实验分析第60-72页
    5.1 系统误差改正方法验证实验第60-63页
    5.2 隧道口山体模拟形变监测实验第63-67页
        5.2.1 实验数据第63-64页
        5.2.2 系统误差改正与偶然误差削弱第64-65页
        5.2.3 形变提取与分析第65-67页
    5.3 铁路边坡监测实验第67-71页
        5.3.1 实验数据第67-68页
        5.3.2 系统误差改正第68页
        5.3.3 粗略形变的提取第68-69页
        5.3.4 偶然误差削弱后的形变提取第69-71页
    5.4 本章小结第71-72页
第6章 总结与展望第72-74页
    6.1 本文工作总结第72页
    6.2 本文工作不足及进一步工作展望第72-74页
致谢第74-75页
参考文献第75-78页

论文共78页,点击 下载论文
上一篇:钨对新型热锻模具钢组织和力学性能影响
下一篇:旋转密封阀的设计研究