| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 机载 LiDAR 硬件系统 | 第11-14页 |
| 1.2.2 机载 LiDAR 数据重建建筑物研究现状 | 第14-16页 |
| 1.3 研究内容与结构安排 | 第16-17页 |
| 第二章 机载 LiDAR 点云数据的粗差剔除 | 第17-30页 |
| 2.1 机载 LiDAR 点云数据处理流程 | 第17-18页 |
| 2.2 机载 LiDAR 点云数据特点 | 第18-20页 |
| 2.2.1 点云三维坐标的解算 | 第18-19页 |
| 2.2.2 激光回波强度 | 第19-20页 |
| 2.2.3 激光回波次数 | 第20页 |
| 2.3 常见的机载 LiDAR 点云数据粗差剔除方法 | 第20-26页 |
| 2.3.1 基于高程统计的粗差剔除方法 | 第20-22页 |
| 2.3.2 基于扫描线粗差剔除方法 | 第22-24页 |
| 2.3.3 基于虚拟格网的非兴趣点剔除方法 | 第24-26页 |
| 2.4 基于扫描线和虚拟格网结合的非兴趣点剔除方法 | 第26-29页 |
| 2.4.1 非兴趣点剔除原理 | 第26-27页 |
| 2.4.2 非兴趣点剔除方法实验 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 自适应 LiDAR 点云数据滤波方法 | 第30-42页 |
| 3.1 LiDAR 点云数据滤波概述 | 第30-31页 |
| 3.2 滤波的主要方法 | 第31-34页 |
| 3.2.1 常见的滤波方法 | 第31页 |
| 3.2.2 数学形态学法 | 第31-34页 |
| 3.3 自适应形态学滤波方法 | 第34-37页 |
| 3.3.1 迭代次数的自动选取 | 第34-36页 |
| 3.3.2 高程阈值的自动确定 | 第36-37页 |
| 3.4 滤波实验与分析 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 机载 LiDAR 建筑物点云数据提取 | 第42-52页 |
| 4.1 机载 LiDAR 点云数据分类现状 | 第42-43页 |
| 4.2 常见的分类算法 | 第43-45页 |
| 4.2.1 基于高程纹理的数据分类 | 第43页 |
| 4.2.2 利用两次回波高差变化的数据分类 | 第43-44页 |
| 4.2.3 融合其他信息的数据分类 | 第44-45页 |
| 4.3 一种基于空间聚类和拓扑分析的建筑物点云获取方法 | 第45-49页 |
| 4.3.1 点云高程图像生成 | 第45页 |
| 4.3.2 基于高程图像的点云空间聚类 | 第45-47页 |
| 4.3.3 基于高程图像的建筑物点云拓扑分析 | 第47-49页 |
| 4.4 建筑物点云提取实验与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于关键点检测的建筑物重建 | 第52-67页 |
| 5.1 LiDAR 建筑物点云的主要关键点 | 第52-53页 |
| 5.2 基于 RANSAC 算法的面片信息提取 | 第53-57页 |
| 5.2.1 面片的分割 | 第53-54页 |
| 5.2.2 面片的拟合 | 第54页 |
| 5.2.3 基于 Alpha Shape 算法的面片轮廓获取 | 第54-57页 |
| 5.3 基于面片点云的关键点提取 | 第57-62页 |
| 5.3.1 交线的确定 | 第57页 |
| 5.3.2 关键点的提取 | 第57-61页 |
| 5.3.3 底部关键点的确定 | 第61-62页 |
| 5.4 建筑物重建实验 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文的主要工作 | 第67页 |
| 6.2 进一步的研究方向 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 作者简历 | 第75页 |
