三维点云的鲁棒处理技术研究
| 摘要 | 第1-12页 |
| Abstract | 第12-15页 |
| 第一章 绪论 | 第15-47页 |
| ·研究背景 | 第15-24页 |
| ·三维模型获取技术概述 | 第15-17页 |
| ·三维模型获取技术的应用 | 第17-20页 |
| ·三维点云处理技术 | 第20-22页 |
| ·三维点云处理面临的挑战 | 第22-23页 |
| ·三维点云处理是当前的热点问题 | 第23-24页 |
| ·研究现状 | 第24-43页 |
| ·点云增强 | 第24-30页 |
| ·计算法向量 | 第30-37页 |
| ·线特征与骨架特征提取 | 第37-40页 |
| ·简化与基元检测 | 第40-43页 |
| ·本文工作 | 第43-45页 |
| ·论文结构 | 第45-47页 |
| 第二章 特征保持的无组织点云增强方法 | 第47-59页 |
| ·点云增强 | 第47-49页 |
| ·特征保持的点云增强 | 第49-53页 |
| ·初始法向量估计 | 第49-50页 |
| ·具有法向量加权的WLOP | 第50-52页 |
| ·法向量磨光 | 第52-53页 |
| ·实验结果 | 第53-57页 |
| ·参数设置 | 第53页 |
| ·结果与比较 | 第53-56页 |
| ·讨论 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第三章 点云法向量的鲁棒估计 | 第59-83页 |
| ·点云法向量估计 | 第59-62页 |
| ·相关工作 | 第62-64页 |
| ·法向量估计和磨光 | 第62-63页 |
| ·计算机视觉中基于鲁棒统计的多结构检测 | 第63-64页 |
| ·鲁棒的切平面检测 | 第64-73页 |
| ·噪声大小的鲁棒估计 | 第64-68页 |
| ·基于核密度估计的局部切平面鲁棒估计 | 第68-72页 |
| ·进一步的精化 | 第72-73页 |
| ·结果与讨论 | 第73-82页 |
| ·与组合方法的比较 | 第74-77页 |
| ·点云去噪 | 第77-80页 |
| ·讨论与局限性 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第四章 基于RANSAC 的点云特征线提取 | 第83-95页 |
| ·点云中特征线的提取 | 第83-84页 |
| ·基于RANSAC 的特征线提取方法 | 第84-91页 |
| ·问题描述 | 第84-85页 |
| ·算法概述 | 第85-86页 |
| ·基于RANSAC 的平面检测 | 第86-87页 |
| ·特征线候选点选取 | 第87-89页 |
| ·基于全局约束的直线检测 | 第89-91页 |
| ·基于主成分分析的线段参数计算 | 第91页 |
| ·实验结果 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 第五章 变分表面拟合与模型选择 | 第95-113页 |
| ·变分表面拟合 | 第95-97页 |
| ·相关工作 | 第97-99页 |
| ·问题描述 | 第99-100页 |
| ·算法概述 | 第100-102页 |
| ·初始候选集合 | 第102-103页 |
| ·模型选择 | 第103-104页 |
| ·划分 | 第104-105页 |
| ·算法精化 | 第105-106页 |
| ·收敛性 | 第105页 |
| ·性能优化 | 第105-106页 |
| ·实验结果 | 第106-112页 |
| ·VSA 与模拟VSA | 第106-107页 |
| ·拟合代价 | 第107-111页 |
| ·算法的局限性 | 第111-112页 |
| ·本章小结 | 第112-113页 |
| 第六章 结论与展望 | 第113-115页 |
| 致谢 | 第115-117页 |
| 参考文献 | 第117-131页 |
| 作者在学期间取得的学术成果 | 第131-133页 |
| 作者在学期间参与的科研项目 | 第133页 |
