| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 三维点云模型特征提取的研究发展现状 | 第12-14页 |
| 1.3 三维点云中曲线、曲面重建的研究发展现状 | 第14-16页 |
| 1.3.1 关于曲线重建的研究现状 | 第14-15页 |
| 1.3.2 关于曲面重建的研究现状 | 第15-16页 |
| 1.4 本文主要工作和章节安排 | 第16-17页 |
| 2 本文的理论基础 | 第17-24页 |
| 2.1 主成分分析 | 第17-18页 |
| 2.2 RANSAC算法 | 第18页 |
| 2.3 图论基本概念 | 第18-20页 |
| 2.3.1 图的相关概念 | 第19页 |
| 2.3.2 最短路径搜索 | 第19-20页 |
| 2.4 三维空间曲面拟合 | 第20-23页 |
| 2.4.1 三维空间二次曲面拟合 | 第21-22页 |
| 2.4.2 三维空间NURBS曲面拟合 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 三维点云索引与法向量 | 第24-29页 |
| 3.1 三维点云kd树索引 | 第24-25页 |
| 3.2 近邻点集的搜索 | 第25-26页 |
| 3.2.1 距离R约束的近邻搜索 | 第25-26页 |
| 3.2.2 近邻点数K约束的近邻搜索 | 第26页 |
| 3.3 三维点云模型中离散点的法向量 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 特征线面提取方法 | 第29-55页 |
| 4.1 基于法矢分布矩阵的特征点提取 | 第30-32页 |
| 4.2 特征面提取 | 第32-41页 |
| 4.2.1 面片分类 | 第33-34页 |
| 4.2.2 基于RANSAC算法的曲面隐式表达重建 | 第34-37页 |
| 4.2.3 面片区域的优化 | 第37-40页 |
| 4.2.4 面片区域参数化表达 | 第40-41页 |
| 4.3 特征线提取 | 第41-53页 |
| 4.3.1 特征线细化 | 第42-43页 |
| 4.3.2 特征面边界点的获取 | 第43-45页 |
| 4.3.3 基于区域增长算法的特征线分类 | 第45-47页 |
| 4.3.4 结合角点信息的特征线优化 | 第47-52页 |
| 4.3.5 特征线重建 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 实验及分析 | 第55-64页 |
| 5.1 实验数据 | 第55-56页 |
| 5.2 实验方法 | 第56页 |
| 5.3 实验参数设置 | 第56-57页 |
| 5.4 实验结果分析 | 第57-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间的科研经历与科研成果 | 第70-71页 |
| 致谢 | 第71页 |