三维点云数据的精简与拼接
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 三维点云数据处理技术及现状 | 第11-15页 |
| 1.3 本文主要研究内容与算法流程图 | 第15-18页 |
| 第二章 邻域构造和点云数据精简 | 第18-35页 |
| 2.1 邻域拓扑关系构造 | 第18-20页 |
| 2.1.1 kd-tree空间划分和搜索算法 | 第18-20页 |
| 2.2 点云数据精简 | 第20-31页 |
| 2.2.1 基于综合几何特征的点云数据精简算法 | 第20-26页 |
| 2.2.2 随机抽样法 | 第26-28页 |
| 2.2.3 包围盒随机抽样法 | 第28-31页 |
| 2.2.4 基于特征的包围盒随机抽样法 | 第31页 |
| 2.3 实验结果与分析 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 点云数据拼接 | 第35-53页 |
| 3.1 点云特征提取 | 第36-41页 |
| 3.1.1 投影参数估算 | 第36-38页 |
| 3.1.2 曲率和法向量精确估算 | 第38-39页 |
| 3.1.3 刚体不变量估算 | 第39-40页 |
| 3.1.4 持续特征直方图(PFH)估算 | 第40-41页 |
| 3.2 匹配点对筛选 | 第41-47页 |
| 3.2.1 基于曲率相似度的筛选 | 第41-42页 |
| 3.2.2 基于刚体不变量的邻域标识相似度的筛选 | 第42-43页 |
| 3.2.3 基于持续特征直方图(PFH)的筛选 | 第43页 |
| 3.2.4 基于霍夫变换的聚类 | 第43-47页 |
| 3.3 实验结果和讨论 | 第47-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 点云数据孔洞修补 | 第53-65页 |
| 4.1 交叉重叠点云数据剔除 | 第54-56页 |
| 4.2 孔洞边界特征点提取 | 第56-58页 |
| 4.3 基于局部扩张的同心圆孔洞修补算法 | 第58-61页 |
| 4.3.1 孔洞边界特征点均匀化处理 | 第58-59页 |
| 4.3.2 同心圆局部扩张算法 | 第59-61页 |
| 4.4 基于Delaunay三角网的曲面重建 | 第61-62页 |
| 4.5 实验结果和讨论 | 第62-64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 今后的工作和展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
