三维散乱点云的特征提取方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 特征提取技术概述 | 第14-18页 |
| 1.3.1 点云数据获取技术 | 第14-17页 |
| 1.3.2 特征提取技术 | 第17-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 本文创新点 | 第19-20页 |
| 1.6 本文组织结构 | 第20-22页 |
| 第二章 Markov随机场理论 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 Markov随机场相关概念 | 第22-27页 |
| 2.2.1 邻域系统与势团 | 第23-27页 |
| 2.2.2 Markov随机场标号问题 | 第27页 |
| 2.3 MRF与GRF等价性 | 第27-29页 |
| 2.3.1 Markov随机场 | 第27-28页 |
| 2.3.2 Gibbs随机场 | 第28页 |
| 2.3.3 Markov-Gibbs等价性 | 第28-29页 |
| 2.4 MRF-MAP准则 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于马尔科夫随机场的散乱点云全局特征提取 | 第32-46页 |
| 3.1 算法概述 | 第32-33页 |
| 3.2 初始化点云标号场 | 第33-34页 |
| 3.3 建立最优标号目标函数 | 第34-37页 |
| 3.3.1 求解联合密度分布函数 | 第35页 |
| 3.3.2 求解状态分布函数 | 第35-36页 |
| 3.3.3 求解目标函数 | 第36-37页 |
| 3.4 提取特征点 | 第37-39页 |
| 3.4.1 散乱点云标号场的优化 | 第37-38页 |
| 3.4.2 提取特征点 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-44页 |
| 3.5.1 本章算法实验 | 第39-41页 |
| 3.5.2 对比实验 | 第41-43页 |
| 3.5.3 噪声及时间效率 | 第43-44页 |
| 3.5.4 点采样密度敏感性 | 第44页 |
| 3.6 结论 | 第44-46页 |
| 第四章 基于显著特征点的散乱点云特征提取方法 | 第46-58页 |
| 4.1 算法概述 | 第46-47页 |
| 4.2 提取显著特征点 | 第47-49页 |
| 4.2.1 计算点的显著度 | 第47-48页 |
| 4.2.2 提取显著特征点 | 第48-49页 |
| 4.3 建立最优标号目标函数 | 第49-52页 |
| 4.3.1 计算散乱点的先验信息 | 第49页 |
| 4.3.2 建立点云联合密度分布函数 | 第49-51页 |
| 4.3.3 建立随机场状态分布函数 | 第51页 |
| 4.3.4 推导最优标号目标函数 | 第51-52页 |
| 4.4 提取特征点 | 第52页 |
| 4.5 实验结果与分析 | 第52-57页 |
| 4.5.1 本章算法结果 | 第53-54页 |
| 4.5.2 鲁棒性分析 | 第54-55页 |
| 4.5.3 对比实验 | 第55-56页 |
| 4.5.4 时间性能分析 | 第56-57页 |
| 4.6 结论 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
