| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 点云精简国内外研究现状 | 第10-12页 |
| 1.2.2 网格优化国内外研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 2 三维激光扫描技术及常用的空间拓扑关系构建方法 | 第16-24页 |
| 2.1 三维激光扫描技术 | 第16-17页 |
| 2.2 拓扑关系构建方法 | 第17-21页 |
| 2.2.1 三维栅格法 | 第17-19页 |
| 2.2.2 空间八叉树 | 第19-21页 |
| 2.3 两种算法对比分析及实验 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 融合k-means聚类和Hausdorff距离的点云精简算法 | 第24-54页 |
| 3.1 局部点云二次曲面拟合 | 第24-28页 |
| 3.1.1 k邻域构建 | 第25页 |
| 3.1.2 局部坐标系建立 | 第25-26页 |
| 3.1.3 局部最小二乘二次曲面拟合 | 第26-28页 |
| 3.2 法矢及基于法向偏差的点云精简 | 第28-31页 |
| 3.2.1 拟合曲面法向量 | 第28页 |
| 3.2.2 基于法向偏差的点云精简 | 第28-31页 |
| 3.3 曲率计算及基于曲率的点云精简 | 第31-36页 |
| 3.3.1 曲率的估算 | 第31-32页 |
| 3.3.2 基于曲率的点云精简 | 第32-36页 |
| 3.4 Hausdorff距离及基于Hausdorff距离的点云精简 | 第36-41页 |
| 3.4.1 Hausdorff距离及其特征区域包含点判断 | 第36-37页 |
| 3.4.2 基于Hausdorff距离的点云精简 | 第37-41页 |
| 3.5 k-means聚类算法及基于k-means聚类的点云精简算法 | 第41-45页 |
| 3.5.1 k-means聚类算法 | 第41页 |
| 3.5.2 基于k-means聚类的点云精简算法 | 第41-45页 |
| 3.6 融合k-means聚类和Hausdorff距离的点云精简算法 | 第45-48页 |
| 3.6.1 算法思路介绍 | 第45页 |
| 3.6.2 算法流程及参数选择 | 第45-48页 |
| 3.6.3 点云精简算法的评价方法 | 第48页 |
| 3.7 实验结果与分析 | 第48-53页 |
| 3.8 本章小结 | 第53-54页 |
| 4 面向点云数据的复杂几何模型对象优化方法 | 第54-62页 |
| 4.1 点云数据及三角网格拓扑关系构建 | 第55页 |
| 4.2 重建网格的精度评定 | 第55-56页 |
| 4.3 局部网格细分方法 | 第56-57页 |
| 4.4 插入点重新定位 | 第57-58页 |
| 4.5 精简点云重构网格优化方法 | 第58-59页 |
| 4.6 实验结果与分析 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 5 结论与展望 | 第62-64页 |
| 5.1 结论 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第68-69页 |
| 致谢 | 第69页 |
