| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与研究意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·点云与影像的配准 | 第12页 |
| ·点云数据的边缘特征提取 | 第12-13页 |
| ·点云数据的缺陷修补 | 第13-14页 |
| ·点云数据的拼接 | 第14页 |
| ·论文主要研究内容 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 点云与影像的数据获取及预处理 | 第17-32页 |
| ·LiDAR系统扫描测量原理 | 第17-18页 |
| ·CCD像机成像数学模型 | 第18-22页 |
| ·成像过程中各种坐标系介绍 | 第18-19页 |
| ·成像模型的数学描述 | 第19-22页 |
| ·实验用LiDAR系统GLS-1500 | 第22-28页 |
| ·性能指标 | 第22页 |
| ·系统组成 | 第22-24页 |
| ·GLS-1500内置像机标定 | 第24-28页 |
| ·基于影像栅格的点云数据剖分 | 第28-31页 |
| ·点云与影像空间位置关系 | 第28-29页 |
| ·基于影像栅格的点云数据剖分 | 第29-30页 |
| ·验证实例 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于融合处理的点云边缘特征线提取与边缘缺陷区域修补 | 第32-51页 |
| ·引言 | 第32-33页 |
| ·影像边缘特征提取 | 第33-36页 |
| ·灰度矩算子 | 第33页 |
| ·灰度矩边缘检测算法 | 第33-36页 |
| ·最小二乘支持向量机(LS-SVM)理论基础 | 第36-41页 |
| ·支持向量机(SVM) | 第36-40页 |
| ·常用核函数 | 第40页 |
| ·最小二乘支持向量机(LS-SVM) | 第40-41页 |
| ·基于影像特征和LS-SVM的点云边缘特征线提取 | 第41-46页 |
| ·近似切平面计算 | 第42页 |
| ·点云边缘特征线的判别 | 第42-43页 |
| ·训练样本集获取 | 第43-44页 |
| ·重采样位置确定 | 第44页 |
| ·LS-SVM的训练与计算 | 第44页 |
| ·验证实例 | 第44-46页 |
| ·基于影像特征和LS-SVM的点云边缘缺陷区域修补 | 第46-50页 |
| ·缺陷区域类别划分 | 第46-48页 |
| ·训练样本集获取 | 第48页 |
| ·重采样位置确定 | 第48页 |
| ·验证实例 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于融合处理的多站点云自动拼接 | 第51-61页 |
| ·引言 | 第51-52页 |
| ·多站影像配准 | 第52-55页 |
| ·SIFT算法 | 第52-55页 |
| ·影像匹配点选取 | 第55页 |
| ·最近点迭代(ICP)算法 | 第55-56页 |
| ·ICP算法步骤 | 第55-56页 |
| ·算法收敛性证明 | 第56页 |
| ·基于影像配准的多站点云自动拼接 | 第56-58页 |
| ·数据准备 | 第56-57页 |
| ·初始变换矩阵确定 | 第57页 |
| ·改进ICP算法精确拼接 | 第57-58页 |
| ·验证实例 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 具有影像级真实感的点云多分辨率显示 | 第61-73页 |
| ·引言 | 第61页 |
| ·移动最小二乘(MLS)曲面逼近 | 第61-62页 |
| ·参考平面计算 | 第61-62页 |
| ·局部曲面逼近 | 第62页 |
| ·可视性与重采样判别 | 第62-64页 |
| ·视锥 | 第62-63页 |
| ·可视性判别 | 第63页 |
| ·重采样判别 | 第63-64页 |
| ·具有影像级真实感的点云多分辨率显示方法 | 第64-65页 |
| ·数据处理与显示系统实现 | 第65-72页 |
| ·系统结构体系 | 第65-66页 |
| ·功能模块划分 | 第66-67页 |
| ·系统运行示例 | 第67-72页 |
| ·本章小节 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·本文的工作总结 | 第73页 |
| ·下一步工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第79-80页 |
| 致谢 | 第80页 |