基于大规模点云数据的三维地形表面重建及其并行化的实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 论文主要内容及研究流程 | 第13-15页 |
| 第二章 地形点云数据的基础 | 第15-29页 |
| 2.1 点云数据概念 | 第15-16页 |
| 2.2 地形点云数据获取方法 | 第16-22页 |
| 2.2.1 三维激光雷达测绘技术 | 第17-20页 |
| 2.2.2 基于图像的三维结构恢复算法 | 第20-22页 |
| 2.3 地形点云常用格式 | 第22-26页 |
| 2.4 点云处理库应用 | 第26-29页 |
| 第三章 地形表面重建方法 | 第29-49页 |
| 3.1 表面重建算法分类 | 第29-31页 |
| 3.1.1 线性面片划分表面重建 | 第29-30页 |
| 3.1.2 隐函数表面重建 | 第30-31页 |
| 3.2 基于Delaunay三角形网格的重建方法 | 第31-36页 |
| 3.2.1 Delaunay三角剖分的数学原理 | 第31-33页 |
| 3.2.2 Delaunay三角剖分算法流程 | 第33-36页 |
| 3.3 基于泊松公式的表面重建方法 | 第36-44页 |
| 3.3.1 泊松重建的数学原理 | 第36-38页 |
| 3.3.2 泊松重建算法流程 | 第38-44页 |
| 3.4 两种重建方式在地形重建上的对比 | 第44-49页 |
| 第四章 并行化处理 | 第49-63页 |
| 4.1 并行化概论 | 第49-50页 |
| 4.2 GPU并行计算原理 | 第50-52页 |
| 4.3 CUDA基础与实例 | 第52-55页 |
| 4.4 泊松重建的并行化 | 第55-63页 |
| 第五章 实验结果与分析 | 第63-75页 |
| 5.1 应用平台 | 第63页 |
| 5.2 实验点云数据情况 | 第63-66页 |
| 5.3 泊松重建效果 | 第66-72页 |
| 5.3.1 不同深度的重建质量 | 第66-70页 |
| 5.3.2 不同深度的重建分析 | 第70-72页 |
| 5.4 并行化效率 | 第72-75页 |
| 5.4.1 并行化重建质量 | 第72-73页 |
| 5.4.2 并行化重建分析 | 第73-75页 |
| 总结及展望 | 第75-77页 |
| 总结 | 第75-76页 |
| 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读学位期间取得的研究成果 | 第81-83页 |
| 致谢 | 第83页 |
