| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-24页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 三维点云处理技术 | 第8-10页 |
| 1.1.2 三维点云处理面临的挑战 | 第10-11页 |
| 1.1.3 三维点云处理是当前的热点问题 | 第11页 |
| 1.2 国内外研究现状 | 第11-21页 |
| 1.2.1 点云的去噪 | 第12-15页 |
| 1.2.2 外点的去除 | 第15-16页 |
| 1.2.3 点云的修复 | 第16-17页 |
| 1.2.4 法向量计算 | 第17-20页 |
| 1.2.5 三维点云数据的曲面重建 | 第20-21页 |
| 1.3 技术路线 | 第21-24页 |
| 第2章 点云数据的预处理 | 第24-44页 |
| 2.1 点云数据文件格式的选择 | 第24-37页 |
| 2.1.1 三维激光点云数据预处理 | 第24-29页 |
| 2.1.2 三维激光点云的数据格式 | 第29-34页 |
| 2.1.3 三维激光点云文件的读入与显示 | 第34-36页 |
| 2.1.4 三维激光点云文件读入效率对比 | 第36-37页 |
| 2.2 点云数据修复——异常值去除 | 第37-42页 |
| 2.2.1 三维激光点云异常值去除 | 第37-38页 |
| 2.2.2 通过K-D树进行索引临近点 | 第38-40页 |
| 2.2.3 通过K-D树索引实验结果 | 第40-42页 |
| 2.3 点云数据修复——简化与法线矢量重新估计 | 第42-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第3章 点云数据空间结构的优化 | 第44-82页 |
| 3.1 点云数据的简化 | 第44-59页 |
| 3.1.1 点云数据的网格简化 | 第44-45页 |
| 3.1.2 点云数据的层次简化 | 第45-47页 |
| 3.1.3 点云数据的WLOP简化 | 第47-49页 |
| 3.1.4 结果比较与进一步优化 | 第49-51页 |
| 3.1.5 具有法向量加权的WLOP | 第51-54页 |
| 3.1.6 实例验证 | 第54-59页 |
| 3.2 点云数据法向量的估计 | 第59-63页 |
| 3.2.1 法向量的估计 | 第60页 |
| 3.2.2 光顺测试 | 第60页 |
| 3.2.3 各向异性邻域选择 | 第60-62页 |
| 3.2.4 法向量的估算 | 第62-63页 |
| 3.3 点云数据法向量平滑处理 | 第63-68页 |
| 3.3.1 喷气平滑(JetSmoothing) | 第64页 |
| 3.3.2 双边滤波平滑(BilateralSmoothing) | 第64-67页 |
| 3.3.3 结果对比 | 第67-68页 |
| 3.4 点云数据的边缘增强及表面重建 | 第68-81页 |
| 3.4.1 远离边缘点云数据的重采样 | 第69-70页 |
| 3.4.2 边缘保持增强 | 第70-72页 |
| 3.4.3 点云数据的表面重建 | 第72-74页 |
| 3.4.4 重建后的破洞修复 | 第74-80页 |
| 3.4.5 建模精度对比 | 第80-81页 |
| 3.5 本章小结 | 第81-82页 |
| 第4章 平台搭建与系统功能展示 | 第82-90页 |
| 4.1 需求与可行性分析 | 第82-83页 |
| 4.1.1 需求分析 | 第82页 |
| 4.1.2 可行性分析 | 第82-83页 |
| 4.2 开发流程与平台选择 | 第83页 |
| 4.3 软件主界面 | 第83-84页 |
| 4.4 点云文件读取及可视化模块 | 第84-85页 |
| 4.5 点云采样与简化模块 | 第85-86页 |
| 4.6 法线模块 | 第86-87页 |
| 4.7 修复模块 | 第87-88页 |
| 4.8 点云数据的三维模型重建 | 第88-90页 |
| 第5章 结论与展望 | 第90-92页 |
| 5.1 结论 | 第90-91页 |
| 5.2 进一步工作与展望 | 第91-92页 |
| 参考文献 | 第92-99页 |
| 致谢 | 第99页 |