自适应分割与曲线驱动的三维点云重建方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 点云预处理研究现状 | 第11-13页 |
| 1.2.2 点云分割研究现状 | 第13-14页 |
| 1.2.3 点云重建研究现状 | 第14-15页 |
| 1.3 亟待解决的问题 | 第15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 研究方法和技术路线 | 第16-17页 |
| 1.5.1 研究方法 | 第16页 |
| 1.5.2 技术路线 | 第16-17页 |
| 1.6 论文结构组织 | 第17-19页 |
| 第二章 基于信息特征增强的点云预处理方法 | 第19-30页 |
| 2.1 点云数据及供试点云样本 | 第19页 |
| 2.2 基于自适应局部投影算子的点云精简算法 | 第19-22页 |
| 2.2.1 LOP算法原理 | 第20页 |
| 2.2.2 SALOP精简算法 | 第20-22页 |
| 2.3 基于各向异性近邻搜索的法向量优化算法 | 第22-24页 |
| 2.3.1 法向量计算 | 第22-23页 |
| 2.3.2 基于各向异性近邻搜索的法向量优化算法 | 第23-24页 |
| 2.4 基于边缘感知的点云信息特征增强算法 | 第24-26页 |
| 2.4.1 算法原理 | 第24-25页 |
| 2.4.2 点云信息特征增强算法具体实现 | 第25-26页 |
| 2.5 点云预处理试验结果及分析 | 第26-29页 |
| 2.5.1 实验设计 | 第26-27页 |
| 2.5.2 实验结果及讨论 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 三维点云数据自适应分割算法 | 第30-41页 |
| 3.1 点云分割技术 | 第30页 |
| 3.2 点云数据自适应的分割算法 | 第30-33页 |
| 3.2.1 点云数据代表值计算 | 第30-31页 |
| 3.2.2 差异值计算 | 第31-32页 |
| 3.2.3 聚类中心计算 | 第32页 |
| 3.2.4 点云分割 | 第32-33页 |
| 3.3 OpenCL并行计算 | 第33-35页 |
| 3.3.1 OpenCL异构技术 | 第33-34页 |
| 3.3.2 并行计算代表值 | 第34-35页 |
| 3.4 点云分割实验结果及分析 | 第35-40页 |
| 3.4.1 实验设计 | 第35-36页 |
| 3.4.2 实验结果及讨论 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于分割与曲线驱动的交互式表面重建算法 | 第41-50页 |
| 4.1 点云重建 | 第41页 |
| 4.2 基于点云分割的L1中值骨架提取算法 | 第41-42页 |
| 4.3 基于分割与曲线驱动的交互式表面重建算法 | 第42-44页 |
| 4.3.1 算法原理 | 第42-43页 |
| 4.3.2 交互式表面重建算法 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-49页 |
| 4.4.1 实验设计 | 第44页 |
| 4.4.2 实验结果及讨论 | 第44-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-51页 |
| 5.1 结论 | 第50页 |
| 5.2 创新点 | 第50页 |
| 5.3 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |
