| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 引言 | 第7页 |
| 1.2 论文的应用情况和研究背景 | 第7-10页 |
| 1.2.1 三维重建的应用实例 | 第8页 |
| 1.2.2 三维重建发展现状 | 第8-9页 |
| 1.2.3 三维重建中存在的问题 | 第9-10页 |
| 1.3 论文的研究内容和章节安排 | 第10-11页 |
| 1.4 小结 | 第11-12页 |
| 2 离散点云快速三维重建的关键技术 | 第12-27页 |
| 2.1 三维离散点云的k邻域快速搜索算法 | 第13-15页 |
| 2.1.1 k邻域的定义与应用 | 第13-14页 |
| 2.1.2 k邻域搜索算法研究现状 | 第14-15页 |
| 2.2 离散点云三角化 | 第15-24页 |
| 2.2.1 最佳投影平面的获取 | 第15-16页 |
| 2.2.2 Delaunay三角剖分的定义和性质 | 第16-19页 |
| 2.2.3 Delaunay三角剖分的算法及比较 | 第19-24页 |
| 2.3 平面网格空间化 | 第24-25页 |
| 2.4 三角网格拼接与优化 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 三维离散点云的k邻域快速搜索算法 | 第27-37页 |
| 3.1 现有的k邻域搜索算法研究 | 第27-28页 |
| 3.1.1 基于定义计算的方法 | 第27页 |
| 3.1.2 基于动态网格的方法 | 第27-28页 |
| 3.1.3 基于空间划分的方法 | 第28页 |
| 3.2 本文提出的离散点云的k邻域快速搜索算法 | 第28-33页 |
| 3.2.1 数据点的处理 | 第29页 |
| 3.2.2 离散点云的空间划分 | 第29-30页 |
| 3.2.3 离散点云的k邻域搜索 | 第30-33页 |
| 3.3 实验 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 离散点云的快速三维重建 | 第37-52页 |
| 4.1 点云三维重建算法涉及的基本概念 | 第37-38页 |
| 4.1.1 点的相应概念 | 第37页 |
| 4.1.2 边的相应概念 | 第37-38页 |
| 4.1.3 空间三角形的重叠 | 第38页 |
| 4.2 二维Delaunay三角剖分 | 第38-43页 |
| 4.2.1 近似法向量的计算 | 第38页 |
| 4.2.2 基于逐点插入法的快速Delaunay三角剖分算法 | 第38-43页 |
| 4.3 网格拼接 | 第43-47页 |
| 4.3.1 散乱数据点增量扩张的快速三角网格拼接算法 | 第43-44页 |
| 4.3.2 本文提出的网格拼接算法 | 第44-47页 |
| 4.4 快速三角网格重建的算法流程 | 第47-48页 |
| 4.5 实验 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 结论和展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |