| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 本课题的研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文的研究内容和章节安排 | 第18-20页 |
| 1.3.1 本文的主要内容 | 第18-19页 |
| 1.3.2 本文的组织结构 | 第19-20页 |
| 第二章 相关理论与技术简介 | 第20-37页 |
| 2.1 点云的概念和分类 | 第20-22页 |
| 2.2 点云数据采集技术 | 第22-26页 |
| 2.2.1 地面三维激光扫描系统的数据采集 | 第24-25页 |
| 2.2.2 车载激光扫描系统的点云数据采集 | 第25-26页 |
| 2.2.3 机载激光扫描系统的点云数据采集 | 第26页 |
| 2.3 点云数据去噪方法简介 | 第26-29页 |
| 2.3.1 噪声的分类 | 第27页 |
| 2.3.2 常用的点云数据去噪方法 | 第27-29页 |
| 2.4 点云数据精简算法简介 | 第29-35页 |
| 2.4.1 海量点云数据精简的准则 | 第30页 |
| 2.4.2 基于三角网格的精简算法 | 第30-32页 |
| 2.4.3 基于点云的精简算法 | 第32-35页 |
| 2.5 三维重建技术 | 第35-36页 |
| 本章小结 | 第36-37页 |
| 第三章 点云预处理优化算法研究 | 第37-49页 |
| 3.1 一种新的基于k-means聚类的点云去噪算法 | 第37-41页 |
| 3.1.1 k-means聚类介绍 | 第37-39页 |
| 3.1.2 散乱点云分层 | 第39页 |
| 3.1.3 基于k-means聚类的点云拓扑 | 第39-40页 |
| 3.1.4 余弦相似度 | 第40页 |
| 3.1.5 基于k-means聚类改进的去噪过程 | 第40-41页 |
| 3.2 组合式点云数据精简方法 | 第41-48页 |
| 3.2.1 k近邻 | 第42页 |
| 3.2.2 基于包围盒法搜索k-邻域 | 第42-44页 |
| 3.2.3 曲率的计算 | 第44-45页 |
| 3.2.4 曲率精简原则 | 第45页 |
| 3.2.5 均匀网格精简算法 | 第45-46页 |
| 3.2.6 组合式精简算法 | 第46-48页 |
| 本章小结 | 第48-49页 |
| 第四章 点云预处理优化算法在灰塑三维重建中的应用 | 第49-61页 |
| 4.1 广州灰塑数字信息化平台 | 第49-51页 |
| 4.2 实验设置 | 第51-52页 |
| 4.3 去噪算法实验分析 | 第52-55页 |
| 4.3.1 算法仿真实验 | 第53页 |
| 4.3.2 不同算法对比实验 | 第53-54页 |
| 4.3.3 实验结果分析 | 第54-55页 |
| 4.4 精简算法实验分析 | 第55-59页 |
| 4.4.1 算法仿真实验 | 第55-56页 |
| 4.4.2 不同算法对比实验 | 第56-59页 |
| 4.4.3 实验结果分析 | 第59页 |
| 4.5 灰塑作品三维重建 | 第59-60页 |
| 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表论文 | 第67-69页 |
| 致谢 | 第69页 |