基于三维激光扫描数据的岩体结构面产状识别方法研究
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第1章 引言 | 第9-16页 |
·选题依据及研究意义 | 第9-10页 |
·国内外研究现状 | 第10-13页 |
·摄影法量测结构面产状方法 | 第11-12页 |
·三维激光扫描识别结构面方法 | 第12-13页 |
·研究内容 | 第13-14页 |
·研究思路 | 第14-16页 |
第2章 三维激光扫描技术及其数据特征 | 第16-23页 |
·三维激光扫描系统分类 | 第16-18页 |
·三维激光扫描仪扫描原理 | 第18-21页 |
·激光扫描技术简介 | 第18-19页 |
·地面三维激光扫描系统的组成与各部分功能 | 第19-20页 |
·激光扫描仪获取数据的基本原理 | 第20-21页 |
·扫描数据的特征 | 第21-23页 |
第3章 计算机辅助识别岩体结构面 | 第23-37页 |
·计算机辅助识别岩体结构面的基本思路 | 第23-24页 |
·模拟视觉识别结构面方法 | 第24-28页 |
·模拟视觉技术和颜色空间 | 第24-27页 |
·模拟视觉识别技术选取结构面方法 | 第27-28页 |
·多点拟合结构面方程的方法 | 第28-31页 |
·计算机辅助识别结构面程序的研制 | 第31-33页 |
·结构面的空间拾取算法 | 第31-32页 |
·坐标转换算法 | 第32页 |
·结构面产状拟合算法 | 第32-33页 |
·实例分析 | 第33-37页 |
第4章 全自动识别岩体结构面 | 第37-49页 |
·全自动识别岩体结构面的基本思路 | 第37页 |
·三维点云数据向二维图像数据的转化方法 | 第37-38页 |
·图像数据的分割方法 | 第38-39页 |
·聚类统计优势结构面组的方法 | 第39-41页 |
·全自动识别结构面算法 | 第41-46页 |
·点云数据向图像数据转化的算法 | 第41页 |
·图像分割算法 | 第41-44页 |
·K 均值聚类算法 | 第44页 |
·边缘数据的剔除和重聚类算法 | 第44-46页 |
·实例分析 | 第46-49页 |
第5章 结论 | 第49-51页 |
致谢 | 第51-52页 |
参考文献 | 第52-54页 |
附录 | 第54-79页 |