摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第9-17页 |
1.1 论文研究背景与意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 点云数据去噪研究现状 | 第11-12页 |
1.2.2 点云数据精简研究现状 | 第12-13页 |
1.2.3 三维重建技术研究现状 | 第13-14页 |
1.3 研究内容与组织结构 | 第14-17页 |
1.3.1 研究内容 | 第14-15页 |
1.3.2 组织结构 | 第15页 |
1.3.3 章节安排 | 第15-17页 |
第二章 三维激光扫描技术及点云数据处理相关理论 | 第17-24页 |
2.1 引言 | 第17页 |
2.2 三维激光扫描技术 | 第17-21页 |
2.2.1 三维激光扫描系统及其工作原理 | 第17-19页 |
2.2.2 三维激光扫描系统分类 | 第19-21页 |
2.3 点云数据处理相关理论 | 第21-23页 |
2.3.1 点云数据概念 | 第21-22页 |
2.3.2 点云数据处理流程 | 第22-23页 |
2.3.3 点云数据保存格式 | 第23页 |
2.4 本章小结 | 第23-24页 |
第三章 点云数据的噪声滤除算法研究 | 第24-36页 |
3.1 引言 | 第24页 |
3.2 噪声点及其产生原因 | 第24-25页 |
3.3 几种典型的去噪算法 | 第25-27页 |
3.3.1 Laplace算法 | 第25-26页 |
3.3.2 双边滤波算法 | 第26页 |
3.3.3 基于统计学的点云去噪算法 | 第26-27页 |
3.4 基于弦高比的点云数据去噪算法 | 第27-33页 |
3.4.1 自适应分层技术 | 第27-29页 |
3.4.2 点云领域的建立与kd-tree法 | 第29-31页 |
3.4.3 投影点云径向宽度 | 第31-32页 |
3.4.4 弦高比算法与阈值选取 | 第32-33页 |
3.5 噪声点滤除实验及分析 | 第33-35页 |
3.5.1 本文算法实验及分析 | 第33-34页 |
3.5.2 对比实验及分析 | 第34-35页 |
3.6 本章小结 | 第35-36页 |
第四章 点云数据的精简算法研究 | 第36-51页 |
4.1 引言 | 第36页 |
4.2 点云数据精简的相关工作 | 第36-41页 |
4.2.1 点云数据精简的定义和质量评价标准 | 第36-37页 |
4.2.2 点云精简算法分类 | 第37-38页 |
4.2.3 曲面拟合方法 | 第38-41页 |
4.3 基于点到拟合曲面距离的点云数据精简算法 | 第41-44页 |
4.3.1 算法原理 | 第42页 |
4.3.2 点到拟合曲面的距离计算 | 第42-43页 |
4.3.3 算法流程 | 第43-44页 |
4.4 算法实现与分析 | 第44-50页 |
4.4.1 分层厚度的确立 | 第44-46页 |
4.4.2 点到拟合曲面距离阈值的确立 | 第46-49页 |
4.4.3 不同算法比较与评价 | 第49-50页 |
4.5 本章小结 | 第50-51页 |
第五章 三维建模技术研究与应用 | 第51-68页 |
5.1 三维建模概述 | 第51-54页 |
5.1.1 三维建模分类 | 第51-52页 |
5.1.2 三维建模方法 | 第52-54页 |
5.2 常用建模软件 | 第54-55页 |
5.3 三维重构算法 | 第55-60页 |
5.3.1 MC重构 | 第55-56页 |
5.3.2 贪婪投影三角化重构 | 第56-58页 |
5.3.3 泊松重构 | 第58-60页 |
5.4 点云处理库应用 | 第60-62页 |
5.4.1 PCL处理库 | 第60-61页 |
5.4.2 PCL_visualization模块及类介绍 | 第61-62页 |
5.5 实例 | 第62-67页 |
5.5.1 织金洞概况 | 第62-63页 |
5.5.2 实验数据采集 | 第63-65页 |
5.5.3 数据处理流程 | 第65-66页 |
5.5.4 建模实验 | 第66-67页 |
5.6 本章小结 | 第67-68页 |
第六章 总结与展望 | 第68-70页 |
6.1 总结 | 第68-69页 |
6.2 展望 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74-75页 |
附录A | 第75-76页 |