基于三维点云的规则形面自动识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·选题背景 | 第10页 |
| ·国内外研究进展 | 第10-13页 |
| ·点云数据分块 | 第10-12页 |
| ·规则物体识别 | 第12-13页 |
| ·等高线提取 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 基于曲率的规则形面自动识别 | 第15-34页 |
| ·数据预处理 | 第15-16页 |
| ·点云数据的配准 | 第15页 |
| ·点云数据滤波处理 | 第15-16页 |
| ·点云数据的重采样 | 第16页 |
| ·法矢量和曲率估算 | 第16-25页 |
| ·相关概念介绍 | 第16-18页 |
| ·K领域查找 | 第18-19页 |
| ·点云数据法矢估算 | 第19-22页 |
| ·法矢估算 | 第19-20页 |
| ·法矢方向一致化 | 第20-22页 |
| ·点云数据曲率估算 | 第22-25页 |
| ·局部坐标系建立 | 第23页 |
| ·局部抛物面拟合 | 第23-25页 |
| ·数据分块 | 第25-34页 |
| ·线性八叉树概述 | 第26-27页 |
| ·数据分块 | 第27-32页 |
| ·特征曲面边界线的识别标准 | 第28-29页 |
| ·八叉树元格细分 | 第29-30页 |
| ·边界点的提取 | 第30-31页 |
| ·基于曲率的数据分块 | 第31-32页 |
| ·实例分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于RANSAC的曲面信息提取 | 第34-44页 |
| ·RANSAC算法思想 | 第34-36页 |
| ·RANSAC算法的基本假设及思想 | 第34-35页 |
| ·基本假设 | 第34-35页 |
| ·基本思想 | 第35页 |
| ·RANSAC算法的参数 | 第35-36页 |
| ·基于RANSAC提取规则形面的参数 | 第36-44页 |
| ·规则形面参数提取 | 第36页 |
| ·RANSAC算法优化 | 第36-39页 |
| ·RANSAC算法的计算量 | 第36-37页 |
| ·RANSAC优化算法的基本思想 | 第37-38页 |
| ·RANSAC优化算法的效率 | 第38-39页 |
| ·实例分析 | 第39-43页 |
| ·规则形面参数提取 | 第39-42页 |
| ·优化RANSAC算法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 等高线提取 | 第44-54页 |
| ·空洞数据插值 | 第44-49页 |
| ·克里金算法原理 | 第45-47页 |
| ·主要步骤 | 第47-49页 |
| ·数据分层 | 第49-50页 |
| ·等高线绘制 | 第50-51页 |
| ·实例分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
