首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

结构光测量点云数据配准研究

摘要第5-6页
abstract第6-7页
第1章 绪论第10-18页
    1.1 课题研究的背景第10-11页
    1.2 课题研究的应用前景第11-13页
    1.3 课题研究的国内外现状第13-16页
    1.4 论文的主要研究内容及结构安排第16-18页
        1.4.1 论文完成的主要工作第16页
        1.4.2 论文的结构安排第16-18页
第2章 点云配准基础第18-42页
    2.1 点云概念第18页
    2.2 点云获取第18-21页
        2.2.1 获取方式第18-19页
        2.2.2 激光三角测量法第19-20页
        2.2.3 投影光栅法第20-21页
    2.3 点云预处理第21-30页
        2.3.1 主成分分析法第21-22页
        2.3.2 滤波第22-27页
        2.3.3 Kd-tree和Octree第27-29页
        2.3.4 点云精简第29-30页
    2.4 点云配准基础概念第30-40页
        2.4.1 关键点第30-34页
        2.4.2 点云基础特征第34-36页
        2.4.3 对应关系第36-37页
        2.4.4 旋转平移矩阵第37-39页
        2.4.5 点云配准算法第39-40页
        2.4.6 配准精度表达方式第40页
    2.5 本章小结第40-42页
第3章 基于FPFH特征点云配准算法第42-48页
    3.1 概述第42-43页
    3.2 点特征直方图与快速点特征直方图第43-47页
        3.2.1 点特征直方图第43-44页
        3.2.2 快速点特征直方图第44-45页
        3.2.3 关键点FPFH特征计算第45-47页
    3.3 对应关系查找第47页
    3.4 本章小结第47-48页
第4章 多尺度法向特征点云聚类分选配准算法第48-56页
    4.1 概述第48-49页
    4.2 基于多尺度曲率的关键点选择方法第49-51页
        4.2.1 基于PCA算法的曲率计算第49页
        4.2.2 基于曲率的关键点选取第49-50页
        4.2.3 关键点质量评估第50-51页
    4.3 基于多尺度法向量的特征提取方法第51-53页
    4.4 基于最小次小距离聚类分选方法的对应关系确定第53-55页
    4.5 本章小结第55-56页
第5章 点云配准实验与分析第56-70页
    5.1 引言第56页
    5.2 配准实验第56-62页
        5.2.1 基于FPFH特征点云配准算法实验第56-59页
        5.2.2 基于多尺度法向特征点云聚类分选配准算法实验第59-62页
    5.3 多尺度法向特征点云聚类分选配准实验分析第62-69页
    5.4 本章小结第69-70页
结论第70-72页
参考文献第72-76页
攻读硕士学位期间发表的论文和取得的科研成果第76-78页
致谢第78页

论文共78页,点击 下载论文
上一篇:基于惯性数据的人体姿态实时三维重构关键技术研究
下一篇:自治水下机器人视景仿真技术