三维点云数据的精简与配准算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-18页 |
| 1.1 选题背景及意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 数据精简的研究现状 | 第13-14页 |
| 1.2.2 数据配准的研究现状 | 第14-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 研究方法与技术路线 | 第17-18页 |
| 2 点云数据处理理论 | 第18-36页 |
| 2.1 三维点云数据的获取 | 第19-25页 |
| 2.1.1 三维激光扫描仪的分类 | 第20-22页 |
| 2.1.2 地面三维激光扫描系统组成及工作原理 | 第22-23页 |
| 2.1.3 地面三维激光扫描技术的特点 | 第23-24页 |
| 2.1.4 点云数据的种类 | 第24-25页 |
| 2.2 点云数据精简方法 | 第25-27页 |
| 2.3 点云数据配准技术 | 第27-35页 |
| 2.3.1 刚体变换 | 第28-29页 |
| 2.3.2 SVD奇异值分解法和四元数法 | 第29-33页 |
| 2.3.3 粗配准算法 | 第33-34页 |
| 2.3.4 经典ICP精配准算法的主要步骤 | 第34-35页 |
| 2.3.5 ICP算法的优缺点分析 | 第35页 |
| 2.4 小结 | 第35-36页 |
| 3 基于边界保留的K均值聚类点云数据精简算法 | 第36-45页 |
| 3.1 K均值聚类算法的基本思想 | 第36页 |
| 3.2 算法的基本流程 | 第36-40页 |
| 3.2.1 质心初始化 | 第36-37页 |
| 3.2.2 点云模型边界提取及划分 | 第37-38页 |
| 3.2.3 簇细分 | 第38-40页 |
| 3.3 实验与分析 | 第40-44页 |
| 3.4 小结 | 第44-45页 |
| 4 基于一致性球的点云数据配准算法 | 第45-62页 |
| 4.1 一致性球的基本概念 | 第45-46页 |
| 4.2 寻找对应点的算法 | 第46-47页 |
| 4.3 致性球的提取 | 第47页 |
| 4.4 基于扩散一致性球的精细配准 | 第47-52页 |
| 4.4.1 一致性球的扩散 | 第48-49页 |
| 4.4.2 刚性约束剔除错误点对 | 第49-51页 |
| 4.4.3 算法步骤 | 第51-52页 |
| 4.5 实验与分析 | 第52-61页 |
| 4.6 小结 | 第61-62页 |
| 5 工程实例 | 第62-71页 |
| 5.1 数据采集 | 第62-64页 |
| 5.2 配准结果分析 | 第64-70页 |
| 5.3 小结 | 第70-71页 |
| 6 结论与展望 | 第71-72页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简历 | 第76-78页 |
| 学位论文数据集 | 第78页 |
