基于激光扫描的三维点云数据处理技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 概述 | 第15-17页 |
| 1.1.1 三维激光扫描技术的应用 | 第15-17页 |
| 1.1.2 三维点云处理技术和面临的问题 | 第17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 点云简化 | 第17-19页 |
| 1.2.2 点云重采样 | 第19-20页 |
| 1.2.3 骨骼特征提取 | 第20-21页 |
| 1.2.4 对象自动提取 | 第21-22页 |
| 1.3 本文研究内容 | 第22-24页 |
| 1.4 本文组织结构 | 第24-25页 |
| 第2章 大场景的点云简化 | 第25-47页 |
| 2.1 引言 | 第25页 |
| 2.2 相关工作 | 第25-27页 |
| 2.3 大场景点云简化算法 | 第27-40页 |
| 2.3.1 快速领域搜索 | 第27-31页 |
| 2.3.2 法向量估算 | 第31-34页 |
| 2.3.3 特征点检测 | 第34-36页 |
| 2.3.4 区域分割 | 第36-37页 |
| 2.3.5 自适应简化 | 第37-40页 |
| 2.4 实验与分析 | 第40-46页 |
| 2.5 小结 | 第46-47页 |
| 第3章 特征保持的点云重采样 | 第47-64页 |
| 3.1 引言 | 第47页 |
| 3.2 相关工作 | 第47-48页 |
| 3.3 特征保持的点云重采样算法 | 第48-57页 |
| 3.3.1 初始法向量估计 | 第49-50页 |
| 3.3.2 特征点检测 | 第50-52页 |
| 3.3.3 特征保持的法向量重新估算 | 第52-54页 |
| 3.3.4 重采样 | 第54-57页 |
| 3.4 实验及分析 | 第57-63页 |
| 3.5 小结 | 第63-64页 |
| 第4章 鲁棒的点云骨骼提取 | 第64-84页 |
| 4.1 引言 | 第64页 |
| 4.2 相关工作 | 第64-66页 |
| 4.3 鲁棒的点云骨骼提取算法 | 第66-79页 |
| 4.3.1 点云分割 | 第66-71页 |
| 4.3.2 区域候选骨骼点提取 | 第71-76页 |
| 4.3.3 骨骼点压缩 | 第76-77页 |
| 4.3.4 生成曲线骨骼 | 第77-79页 |
| 4.4 实验结果与分析 | 第79-83页 |
| 4.5 小结 | 第83-84页 |
| 第5章 大场景点云中目标自动提取 | 第84-112页 |
| 5.1 引言 | 第84页 |
| 5.2 相关工作 | 第84-88页 |
| 5.2.1 平面的自动提取 | 第84-87页 |
| 5.2.2 圆柱体自动提取 | 第87-88页 |
| 5.3 墙体自动提取 | 第88-96页 |
| 5.3.1 平面区域分割 | 第89-91页 |
| 5.3.2 平面拟合 | 第91-93页 |
| 5.3.3 垂直平面过滤及填充 | 第93-95页 |
| 5.3.4 墙体融合 | 第95-96页 |
| 5.4 圆柱体提取 | 第96-102页 |
| 5.4.1 标志性圆柱体检测 | 第97-98页 |
| 5.4.2 非标志性圆柱体检测 | 第98-100页 |
| 5.4.3 圆柱体融合 | 第100-102页 |
| 5.5 实验与分析 | 第102-111页 |
| 5.5.1 室内墙体提取 | 第102-105页 |
| 5.5.2 圆柱体自动提取 | 第105-111页 |
| 5.6 小结 | 第111-112页 |
| 第6章 结束语 | 第112-114页 |
| 6.1 本文的主要贡献和创新点 | 第112-113页 |
| 6.2 下一步的研究工作 | 第113-114页 |
| 参考文献 | 第114-123页 |
| 致谢 | 第123-124页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第124页 |
