基于三维激光扫描技术的原木三维图像重构
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 三维激光扫描技术的研究现状 | 第9页 |
| 1.2.2 点云数据分割的研究现状 | 第9-10页 |
| 1.2.3 点云数据去噪的研究现状 | 第10页 |
| 1.2.4 点云数据精简的研究现状 | 第10-11页 |
| 1.3 K-means聚类算法理论及其应用 | 第11页 |
| 1.4 自组织神经网络理论及其应用 | 第11-12页 |
| 1.5 弦高偏移算法理论及其应用 | 第12页 |
| 1.6 研究的主要内容与技术路线 | 第12-14页 |
| 2 点云数据的获取方案 | 第14-21页 |
| 2.1 三维激光扫描技术 | 第14-15页 |
| 2.2 三维激光扫描仪的分类 | 第15页 |
| 2.3 三维激光扫描仪的工作原理 | 第15-16页 |
| 2.4 三维激光扫描系统的构成 | 第16-18页 |
| 2.5 原木点云数据的获取 | 第18-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 原木点云数据的分割 | 第21-28页 |
| 3.1 点云数据的种类 | 第21-22页 |
| 3.2 点云数据分割 | 第22-23页 |
| 3.3 K-means聚类算法 | 第23-24页 |
| 3.4 基于K-means聚类算法的点云数据分割 | 第24-26页 |
| 3.5 本章小结 | 第26-28页 |
| 4 原木点云数据的去噪 | 第28-33页 |
| 4.1 噪点的分类 | 第28页 |
| 4.2 点云数据去噪 | 第28-29页 |
| 4.3 基于SOM神经网络的点云数据去噪 | 第29-32页 |
| 4.3.1 SOM神经网络结构 | 第29-30页 |
| 4.3.2 SOM神经网络学习算法 | 第30页 |
| 4.3.3 应用SOM神经网络数据去噪的过程 | 第30-32页 |
| 4.4 本章小结 | 第32-33页 |
| 5 原木点云数据的精简及三维重构 | 第33-38页 |
| 5.1 点云数据精简 | 第33页 |
| 5.2 基于弦高偏移算法的点云数据精简 | 第33-35页 |
| 5.2.1 弦高偏移算法 | 第34页 |
| 5.2.2 应用弦高偏移算法数据精简的过程 | 第34-35页 |
| 5.3 原木三维模型重构 | 第35-36页 |
| 5.4 本章小结 | 第36-38页 |
| 结论 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 攻读学位期间发表的学术论文 | 第43-44页 |
| 致谢 | 第44-45页 |
