| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 研究技术路线与方法 | 第12-14页 |
| 2 点云自动配准经典算法 | 第14-18页 |
| 2.1 点云自动粗配准经典算法 | 第14页 |
| 2.2 点云自动精配准经典算法 | 第14-18页 |
| 2.2.1 经典ICP算法 | 第14-15页 |
| 2.2.2 ICP配准的主要步骤 | 第15-16页 |
| 2.2.3 ICP算法的特性分析 | 第16-18页 |
| 3 基于边界特征点云的点云自动粗配准 | 第18-41页 |
| 3.1 点云空间格网化 | 第18-21页 |
| 3.1.1 最小包围盒法确定划分范围 | 第18-20页 |
| 3.1.2 点云空间网格生成 | 第20-21页 |
| 3.2 边界点云提取及边界特征点云提取 | 第21-27页 |
| 3.2.1 边界种子网格提取 | 第21-22页 |
| 3.2.2 生成所有边界网格 | 第22-23页 |
| 3.2.3 点云边界特征提取 | 第23-27页 |
| 3.3 特征点云中提取配对点集 | 第27-29页 |
| 3.3.1 多尺度特征算法确定配准点对 | 第27-28页 |
| 3.3.2 粗配准错误点对剔除 | 第28-29页 |
| 3.4 坐标转换参数求取 | 第29-33页 |
| 3.4.1 四元数表示法 | 第29-31页 |
| 3.4.2 四元数法求取坐标转换矩阵 | 第31-33页 |
| 3.4.3 四元数法求解旋转参数的步骤 | 第33页 |
| 3.5 实验结果分析 | 第33-40页 |
| 3.5.1 点云实验数据分类 | 第33-37页 |
| 3.5.2 粗配准实验分析 | 第37-40页 |
| 3.6 小结 | 第40-41页 |
| 4 改进最近点迭代(ICP)算法用于点云自动精配准 | 第41-59页 |
| 4.1 ICP算法距离约束函数改进 | 第41-43页 |
| 4.2 kd-tree(k维树)算法加速迭代 | 第43-47页 |
| 4.2.1 数据空间划分方法 | 第43-45页 |
| 4.2.2 kd-tree算法原理 | 第45-46页 |
| 4.2.3 kd-tree算法提高迭代速度 | 第46-47页 |
| 4.3 CPC(最近点原则)三约束法剔除误配准点对 | 第47-55页 |
| 4.3.1 CPC理论 | 第47-48页 |
| 4.3.2 方向约束剔除错误点对 | 第48-51页 |
| 4.3.3 刚性约束剔除错误点对 | 第51-53页 |
| 4.3.4 配准误差约束剔除错误点对 | 第53-55页 |
| 4.4 实验结果分析 | 第55-58页 |
| 4.5 小结 | 第58-59页 |
| 5 工程实例 | 第59-65页 |
| 5.1 数据采集 | 第59-61页 |
| 5.2 数据配准过程 | 第61-62页 |
| 5.3 成果分析 | 第62-64页 |
| 5.4 小结 | 第64-65页 |
| 6 结论与展望 | 第65-66页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |