面向复杂型面工件的点云处理技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 三维视觉检测所涉及的主要技术 | 第9-10页 |
| 1.2.1 数据采集 | 第9-10页 |
| 1.2.2 点云处理 | 第10页 |
| 1.3 点云处理的研究现状 | 第10-11页 |
| 1.4 本文研究内容及意义 | 第11-13页 |
| 第2章 点云拓扑关系建立及曲面特征信息计算 | 第13-23页 |
| 2.1 引用 | 第13页 |
| 2.2 点云拓扑关系重建 | 第13-16页 |
| 2.2.1 点云数据k邻域的建立 | 第13-14页 |
| 2.2.2 点云数据的空间划分及邻域查询 | 第14-16页 |
| 2.3 法向量计算 | 第16-20页 |
| 2.4 拟合曲面曲率计算 | 第20-22页 |
| 2.5 本章小节 | 第22-23页 |
| 第3章 点云数据的简化处理 | 第23-30页 |
| 3.1 引言 | 第23页 |
| 3.2 数据简化 | 第23-27页 |
| 3.2.1 常用的点云简化方法 | 第23-24页 |
| 3.2.2 基于法向量变化的数据简化 | 第24页 |
| 3.2.3 基于拟合曲面曲率变化的数据简化 | 第24页 |
| 3.2.4 按照给定数目简化点云数据的实现 | 第24-27页 |
| 3.3 实验结果与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于BP神经网络的点云数据误差补偿 | 第30-38页 |
| 4.1 引言 | 第30页 |
| 4.2 数值仿真 | 第30-32页 |
| 4.2.1 BP网络训练模型 | 第30-31页 |
| 4.2.2 误差补偿模型模型 | 第31-32页 |
| 4.3 实验结果: | 第32-37页 |
| 4.3.1 MATLAB软件下得到的三维信息图象 | 第32-33页 |
| 4.3.2 BP网络训练结果 | 第33-35页 |
| 4.3.3 测试样本对补偿模型的验证 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 结论 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42页 |
