基于三维激光扫描的储层裂缝酸化效果研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的目的和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 三维信息获取方法 | 第10-13页 |
| 1.2.2 三维扫描技术应用领域 | 第13-14页 |
| 1.2.3 相关理论研究 | 第14页 |
| 1.3 课题主要研究内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14-15页 |
| 1.3.2 研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 激光扫描的光学原理 | 第17-28页 |
| 2.1 光源与测量流程 | 第17-19页 |
| 2.1.1 光源的分类 | 第17-18页 |
| 2.1.2 形貌测量的流程 | 第18-19页 |
| 2.2 映射关系法 | 第19-20页 |
| 2.3 小孔成像法 | 第20-27页 |
| 2.3.1 CCD摄像机成像模型的建立 | 第20-24页 |
| 2.3.2 扫描点型光源测量原理 | 第24-25页 |
| 2.3.3 扫描线型光源测量原理 | 第25-26页 |
| 2.3.4 面光源形貌测量原理 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 点云数据预处理 | 第28-41页 |
| 3.1 数据预处理 | 第28-29页 |
| 3.2 点云去噪 | 第29页 |
| 3.3 点云修补 | 第29-32页 |
| 3.3.1 BP神经网络数学模型 | 第30页 |
| 3.3.2 BP学习算法 | 第30-32页 |
| 3.4 遗传算法 | 第32-34页 |
| 3.4.1 遗传算法概述 | 第32-33页 |
| 3.4.2 遗传算法的设计 | 第33-34页 |
| 3.5 遗传神经网络算法 | 第34-36页 |
| 3.6 基于遗传神经网络的点云修补 | 第36-40页 |
| 3.6.1 算法应用 | 第36页 |
| 3.6.2 实验结果 | 第36-40页 |
| 3.7 小结 | 第40-41页 |
| 第4章 曲面重建 | 第41-52页 |
| 4.1 常用三维重建方法 | 第41-43页 |
| 4.1.1 参数重建 | 第41-42页 |
| 4.1.2 隐式重建 | 第42页 |
| 4.1.3 变形重建 | 第42-43页 |
| 4.1.4 网格重建 | 第43页 |
| 4.2 三角网格化的理论基础 | 第43-45页 |
| 4.2.1 Delaunay三角化 | 第43-44页 |
| 4.2.2 网格化准则 | 第44-45页 |
| 4.3 平面上的三角剖分算法 | 第45-47页 |
| 4.3.1 逐点插入法 | 第45页 |
| 4.3.2 三角网生长法 | 第45-46页 |
| 4.3.3 分治算法 | 第46-47页 |
| 4.4 点云模型的改进三角剖分算法 | 第47-51页 |
| 4.4.1 算法描述 | 第47-49页 |
| 4.4.2 实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 裂缝酸化效果的图像分析 | 第52-64页 |
| 5.1 酸化效果因素分析 | 第52-54页 |
| 5.2 酸蚀效果评价指标 | 第54页 |
| 5.3 酸化效果指标计算 | 第54-63页 |
| 5.3.1 酸蚀宽度 | 第55-57页 |
| 5.3.2 酸蚀表面凹凸性 | 第57-58页 |
| 5.3.3 酸蚀体积 | 第58-61页 |
| 5.3.4 酸蚀面积 | 第61-63页 |
| 5.3.5 酸化效果参数分析 | 第63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-65页 |
| 6.1 论文总结 | 第64页 |
| 6.2 课题研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-72页 |
| 攻读学位期间取得的成果 | 第72-73页 |
| 致谢 | 第73页 |
