摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 扫描点云数据国内外研究现状 | 第11-15页 |
1.2.1 三维激光数据采集技术研究现状 | 第11-14页 |
1.2.2 扫描点云数据预处理技术研究现状 | 第14页 |
1.2.3 扫描点云数据可视化技术研究现状 | 第14-15页 |
1.3 本文主要研究内容 | 第15-16页 |
第2章 基于FARO Focus S350的海量点云数据采集 | 第16-26页 |
2.1 数据采集设备介绍 | 第16-17页 |
2.2 点云数据的采集 | 第17-20页 |
2.2.1 扫描对象的选定 | 第17-18页 |
2.2.2 点云数据的采集方式 | 第18-19页 |
2.2.3 基于标靶的锅炉房系统点云数据获取 | 第19-20页 |
2.3 基于FARO SCENE的原始点云数据前期处理 | 第20-25页 |
2.3.1 点云生成 | 第20-21页 |
2.3.2 点云数据拼接 | 第21-24页 |
2.3.3 点云色彩信息附加 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第3章 点云数据的预处理技术 | 第26-50页 |
3.1 点云数据的降噪 | 第26-33页 |
3.1.1 点云数据噪声产生的原因 | 第26-27页 |
3.1.2 点云数据与噪声点的种类 | 第27-28页 |
3.1.3 点云降噪算法 | 第28-30页 |
3.1.4 基于FARO SCENE的锅炉房点云数据交互式降噪 | 第30-33页 |
3.2 点云数据的精简 | 第33-41页 |
3.2.1 点云数据精简概述 | 第33-34页 |
3.2.2 常用的点云数据精简算法 | 第34-36页 |
3.2.3 基于包围盒法的锅炉点云数据精简 | 第36-38页 |
3.2.4 基于Geomagic Studio的锅炉点云数据交互式精简 | 第38-41页 |
3.3 基于锅炉系统的点云数据采集与处理流程 | 第41-44页 |
3.3.1 流程介绍 | 第41-42页 |
3.3.2 锅炉系统的数据采集 | 第42页 |
3.3.3 扫描点云数据的处理 | 第42-44页 |
3.4 扫描点云数据预处理技术的应用 | 第44-49页 |
3.4.1 点云文件的输出 | 第44-45页 |
3.4.2 扫描点云数据在测绘中的应用 | 第45-47页 |
3.4.3 扫描点云数据在逆向建模中的应用 | 第47-49页 |
3.5 本章小结 | 第49-50页 |
第4章 海量点云数据的可视化技术 | 第50-68页 |
4.1 引言 | 第50-51页 |
4.2 海量点云数据的空间组织索引 | 第51-53页 |
4.2.1 空间组织索引概述 | 第51页 |
4.2.2 空间数据的索引 | 第51-53页 |
4.3 海量点云数据的组织管理方法 | 第53-55页 |
4.3.1 海量点云数据的组织管理概述 | 第53页 |
4.3.2 海量点云数据的组织管理方法 | 第53-55页 |
4.4 三维空间数据模型可视化关键技术 | 第55-58页 |
4.4.1 视窗裁剪与实时消隐技术 | 第55-56页 |
4.4.2 多分辨率LOD技术 | 第56-57页 |
4.4.3 点云模型绘制技术 | 第57-58页 |
4.5 基于MeshLab系统的锅炉点云模型可视化研究 | 第58-63页 |
4.5.1 MeshLab系统简介 | 第58页 |
4.5.2 点云数据的信息读取 | 第58-60页 |
4.5.3 点云数据的着色 | 第60-61页 |
4.5.4 点云网格化模型的渲染 | 第61页 |
4.5.5 基于netfabb的模型检查与修复 | 第61-63页 |
4.6 锅炉房系统海量点云模型的交互可视化 | 第63-67页 |
4.6.1 总体技术流程 | 第63-64页 |
4.6.2 基于点云数据的锅炉房系统模型构建 | 第64-66页 |
4.6.3 锅炉房系统大场景的可视化与交互式漫游 | 第66-67页 |
4.7 本章小结 | 第67-68页 |
第5章 总结与展望 | 第68-70页 |
5.1 总结 | 第68-69页 |
5.2 展望 | 第69-70页 |
参考文献 | 第70-75页 |
致谢 | 第75-76页 |
个人简历 | 第76页 |