| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 三维激光扫描技术的国内外发展现状 | 第10-12页 |
| 1.2.2 点云数据压缩与曲面建模国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容与技术路线 | 第15-17页 |
| 2 三维激光扫描技术理论基础 | 第17-37页 |
| 2.1 三维激光扫描系统 | 第17-23页 |
| 2.1.1 三维激光扫描系统工作原理 | 第17-19页 |
| 2.1.2 三维激光扫描坐标系统 | 第19页 |
| 2.1.3 三维激光扫描系统分类 | 第19-23页 |
| 2.2 三维激光扫描技术的特点及应用领域 | 第23-28页 |
| 2.2.1 三维激光扫描技术的特点 | 第23-24页 |
| 2.2.2 常用点云数据存储格式 | 第24-25页 |
| 2.2.3 三维激光扫描技术的应用领域 | 第25-28页 |
| 2.3 三维激光扫描系统误差 | 第28-34页 |
| 2.3.1 三维激光扫描系统误差分类 | 第28-32页 |
| 2.3.2 三维激光扫描点云误差模型分析 | 第32-34页 |
| 2.4 常用的数据处理软件 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 三维激光扫描点云数据获取与处理 | 第37-47页 |
| 3.1 三维激光扫描数据获取 | 第37-39页 |
| 3.1.1 扫描方案设计 | 第37-38页 |
| 3.1.2 外业数据获取 | 第38-39页 |
| 3.2 三维激光扫描数据预处理 | 第39-42页 |
| 3.2.1 点云数据配准 | 第39-40页 |
| 3.2.2 点云数据去燥 | 第40-41页 |
| 3.2.3 点云数据融合 | 第41页 |
| 3.2.4 点云数据分割 | 第41-42页 |
| 3.3 典型压缩算法 | 第42-46页 |
| 3.3.1 随机采样法 | 第43页 |
| 3.3.2 区域重心法 | 第43-44页 |
| 3.3.3 曲率采样法 | 第44-45页 |
| 3.3.4 坐标增量法 | 第45-46页 |
| 3.3.5 现有压缩算法存在的不足 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 改进坐标增量的点云数据压缩算法 | 第47-55页 |
| 4.1 点云数据压缩准则 | 第47页 |
| 4.2 坐标增量法及改进 | 第47-48页 |
| 4.3 改进算法原理与实现步骤 | 第48-51页 |
| 4.3.1 改进算法原理 | 第49页 |
| 4.3.2 实现步骤 | 第49-51页 |
| 4.4 实验结果对比分析 | 第51-54页 |
| 4.4.1 实验效果分析 | 第51-52页 |
| 4.4.2 压缩结果对比分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 曲面建模与精度评定 | 第55-65页 |
| 5.1 常见典型曲面拟合方法 | 第55-59页 |
| 5.1.1 区域生长拟合算法 | 第55-56页 |
| 5.1.2 B样条曲面拟合算法 | 第56-57页 |
| 5.1.3 BP神经网络曲面拟合算法 | 第57-59页 |
| 5.1.4 现有曲面重建算法的局限性 | 第59页 |
| 5.2 基于重建软件的曲面重建 | 第59-62页 |
| 5.2.1 Cyclone软件的重建 | 第59-61页 |
| 5.2.2 Geomagic Studio软件的重建 | 第61-62页 |
| 5.3 精度评定 | 第62-64页 |
| 5.3.1 表面积法 | 第62-63页 |
| 5.3.2 体积法 | 第63页 |
| 5.3.3 Geomagic Studio软件 3D偏差法 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-66页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |