首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

散乱点云三维表面重建技术研究

摘要第1-13页
ABSTRACT第13-15页
第一章 绪论第15-33页
   ·课题研究背景第15-17页
   ·散乱点云几何处理研究现状第17-30页
     ·散乱点云数据光顺技术第18-23页
     ·GPU 通用计算技术第23-26页
     ·多分辨率表达技术第26-27页
     ·表面重建技术第27-30页
   ·论文研究内容、组织结构和贡献第30-33页
     ·论文研究内容和组织结构第30-32页
     ·论文主要贡献第32-33页
第二章 基于几何流的点云模型光顺处理第33-67页
   ·引言第33-34页
   ·基于特征曲率流的点云光顺第34-50页
     ·微分几何相关概念第34-37页
     ·超曲面的特征曲率流第37-40页
     ·基于特征曲率流的点云光顺算法实现第40-44页
     ·实验与分析第44-50页
   ·基于梯度下降流的点云光顺第50-64页
     ·超曲面上的几种几何算子及其性质第50-56页
     ·梯度下降流演化方程第56-60页
     ·基于梯度下降流的点云光顺算法实现第60-64页
   ·应用实例与分析第64-66页
     ·实验过程第64页
     ·实验结果分析第64页
     ·光顺效率分析第64-66页
   ·小结第66-67页
第三章 点云模型快速光顺技术第67-91页
   ·引言第67-68页
   ·基于GPU 的通用计算技术第68-72页
     ·向量的纹理表示第69-70页
     ·向量运算第70-72页
   ·基于GPU 的曲面变分点云快速光顺第72-85页
     ·基于迹变换的光顺参数求解第72-77页
     ·基于GPU 的曲面变分快速光顺算法第77-82页
     ·实验与分析第82-85页
   ·基于GPU 的特征曲率点云快速光顺第85-89页
     ·共轭梯度迭代算法简介第85-86页
     ·基于GPU 的特征曲率流点云快速光顺算法第86-88页
     ·实验与分析第88-89页
   ·小结第89-91页
第四章 点云模型的多分辨率表达技术第91-103页
   ·引言第91-92页
   ·基于特征曲率的点云模型简化第92-96页
     ·算法描述第92-93页
     ·算法实现的相关问题第93-95页
     ·实验与分析第95-96页
   ·基于特征曲率的多分辨率建模第96-100页
     ·基于特征曲率的多分辨率建模算法第97-99页
     ·实验与分析第99-100页
   ·应用实例与分析第100-102页
   ·小结第102-103页
第五章 表面重建技术研究第103-123页
   ·引言第103-104页
   ·点云模型孔洞检测研究第104-108页
     ·点云模型孔洞检测算法第104-107页
     ·实验与分析第107-108页
   ·基于权重的SVM 回归技术研究第108-114页
     ·SVM 回归方法第109-110页
     ·基于权重的SVM 回归模型第110-113页
     ·基于权重的SVM 回归算法的求解第113页
     ·采样点权重的确定与训练集生成第113-114页
   ·基于分块策略的SVM 亏格表面重建第114-118页
     ·基于K-D 树的训练集分割第114-115页
     ·基于分块策略的SVM 亏格表面重建第115-117页
     ·实验与分析第117-118页
   ·应用实例与分析第118-120页
   ·小结第120-123页
第六章 总结与展望第123-125页
   ·论文工作总结第123-124页
   ·进一步研究展望第124-125页
致谢第125-127页
参考文献第127-135页
作者在攻读博士学位期间取得的研究成果第135-136页

论文共136页,点击 下载论文
上一篇:基于信任函数理论的融合目标识别研究
下一篇:文本分类中特征选择技术的研究