摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景和意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 三维激光扫描技术国内外的发展现状 | 第10-11页 |
1.2.2 点云数据曲面重建研究现状 | 第11-13页 |
1.3 本文主要研究内容 | 第13-14页 |
第二章 三维激光扫描测量技术 | 第14-24页 |
2.1 基本概念和原理 | 第14-15页 |
2.2 地面三维激光扫描系统测距的基本原理 | 第15-17页 |
2.2.1 脉冲测距法原理 | 第16页 |
2.2.2 干涉法测距原理 | 第16页 |
2.2.3 激光三角法测距原理 | 第16-17页 |
2.3 三维激光扫描系统的分类 | 第17-18页 |
2.3.1 按承载平台划分 | 第17-18页 |
2.3.2 按照扫描系统成像方式划分 | 第18页 |
2.3.3 按照三维激光扫描系统的测距原理划分 | 第18页 |
2.4 三维激光扫描仪技术特点 | 第18-19页 |
2.5 三维激光扫描仪的应用领域 | 第19-21页 |
2.6 Leica stationscan2 三维激光扫描仪简介 | 第21-24页 |
2.6.1 扫描系统的硬件组成 | 第21-23页 |
2.6.2 扫描系统配套软件 Cyclone 简介 | 第23-24页 |
第三章 点云数据的采集与处理 | 第24-34页 |
3.1 点云数据的外业采集 | 第24-26页 |
3.1.1 现场踏勘与方案制定 | 第24-25页 |
3.1.2 三维激光扫描仪的数据采集 | 第25-26页 |
3.2 点云数据的预处理 | 第26-34页 |
3.2.1 点云数据的拼接 | 第27页 |
3.2.2 点云数据的滤波 | 第27-28页 |
3.2.3 点云数据的缩减 | 第28-29页 |
3.2.4 点云数据的分割 | 第29页 |
3.2.5 曲面模型的建立 | 第29-34页 |
第四章 小波神经网络的基本原理 | 第34-45页 |
4.1 神经网络简介 | 第34-36页 |
4.1.1 神经元结构模型 | 第34-35页 |
4.1.2 神经网络的互联模式 | 第35-36页 |
4.2 BP 神经网络 | 第36-39页 |
4.2.1 BP 网络结构 | 第36页 |
4.2.2 BP 神经网络的学习算法 | 第36-39页 |
4.3 小波理论简介 | 第39-41页 |
4.3.1 小波变换 | 第39页 |
4.3.2 常用的小波函数 | 第39-41页 |
4.4 小波神经网络 | 第41-45页 |
4.4.1 小波神经网络概述 | 第41-42页 |
4.4.2 小波神经网络的学习算法 | 第42-45页 |
第五章 基于小波神经网络的地面曲面重建与沉降量的提取 | 第45-59页 |
5.1 用小波神经网络进行曲面重建的思路 | 第45页 |
5.2 小波神经网络的结构设计 | 第45-47页 |
5.2.1 小波函数的选择 | 第45-46页 |
5.2.2 小波网络隐含层的确定 | 第46-47页 |
5.3 小波神经网络的训练 | 第47-50页 |
5.3.1 样本数据的归一化 | 第47-48页 |
5.3.2 小波神经网络的参数初始化 | 第48页 |
5.3.3 小波神经网络模型的建立 | 第48-50页 |
5.4 小波神经网络法曲面重建的实现与沉降量的提取 | 第50-59页 |
5.4.1 实验数据介绍 | 第50-51页 |
5.4.2 地面曲面的重建 | 第51-56页 |
5.4.3 沉降量的提取 | 第56-59页 |
结论与展望 | 第59-61页 |
结论 | 第59页 |
展望 | 第59-61页 |
参考文献 | 第61-63页 |
致谢 | 第63页 |