| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景和意义 | 第10-12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.2.1 三维点云特征提取研究现状及分析 | 第12-13页 |
| 1.2.2 三维点云精简研究现状及分析 | 第13-14页 |
| 1.3 主要研究内容及工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 点云数据邻域搜索及法矢和曲率估算 | 第17-29页 |
| 2.1 点云数据的分类 | 第17页 |
| 2.2 点云拓扑建立及领域搜索 | 第17-24页 |
| 2.2.1 几种常见的点云邻域搜素算法 | 第17-22页 |
| 2.2.2 一种改进的基于局部动态kd树的邻域搜索方法 | 第22-24页 |
| 2.3 点云数据法矢与曲率估算 | 第24-27页 |
| 2.3.1 点云数据法向量估计 | 第24-26页 |
| 2.3.2 点云曲率估计 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 散乱点云特征点提取算法研究设计 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 传统点云特征提取方法 | 第29-33页 |
| 3.2.1 基于核密度的特征提取方法 | 第30-31页 |
| 3.2.2 基于投影点向量夹角的特征提取方法 | 第31-33页 |
| 3.3 基于多判据的点云特征点提取算法 | 第33-39页 |
| 3.3.1 算法原理 | 第33-34页 |
| 3.3.2 特征点判定参数计算 | 第34-37页 |
| 3.3.3 特征点的判定 | 第37-38页 |
| 3.3.4 特征点判定提取算法步骤与流程 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 散乱点云精简算法研究设计 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 经典点云精简方法及精简评价指标 | 第41-44页 |
| 4.2.1 随机精简法 | 第42页 |
| 4.2.2 栅格精简法 | 第42-43页 |
| 4.2.3 曲率精简法 | 第43页 |
| 4.2.4 点云精简评价指标 | 第43-44页 |
| 4.3 基于法向夹角模糊熵的点云精简算法 | 第44-50页 |
| 4.3.1 模糊熵理论 | 第44-47页 |
| 4.3.2 基于模糊熵的法向夹角阈值求取方法 | 第47-49页 |
| 4.3.3 点云精简策略 | 第49页 |
| 4.3.4 精简算法步骤与流程 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 点云特征提取与精简算法实验验证与分析 | 第52-66页 |
| 5.1 引言 | 第52页 |
| 5.2 算法实验环境配置 | 第52-53页 |
| 5.3 基于多判据的点云特征提取算法验证与分析 | 第53-58页 |
| 5.4 基于法向夹角模糊熵的点云精简算法实验验证与分析 | 第58-65页 |
| 5.4.1 不同简化率下的简化结果 | 第59-60页 |
| 5.4.2 精简后模型的曲面封装效果 | 第60-62页 |
| 5.4.3 算法对比试验分析 | 第62-64页 |
| 5.4.4 精简误差分析与时间分析 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73页 |