基于图像的重建点云离群点检测算法研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容与论文结构 | 第13-15页 |
| 第2章 基于图像的三维重建技术 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 三维重建技术概述 | 第15-16页 |
| 2.3 基于图像的三维重建过程 | 第16-27页 |
| 2.3.1 图像采集 | 第16-17页 |
| 2.3.2 特征点的提取与匹配 | 第17-20页 |
| 2.3.3 相机标定与场景恢复 | 第20-22页 |
| 2.3.4 密集匹配生成三维点云模型 | 第22-27页 |
| 2.4 点云模型获取途径 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 离群点检测技术 | 第30-36页 |
| 3.1 引言 | 第30页 |
| 3.2 离群点分布特点 | 第30-31页 |
| 3.3 离群点检测算法分类 | 第31-35页 |
| 3.3.1 基于深度检测法 | 第31-32页 |
| 3.3.2 基于统计分布检测法 | 第32-33页 |
| 3.3.3 基于聚类检测法 | 第33页 |
| 3.3.4 基于密度检测法 | 第33-34页 |
| 3.3.5 基于距离检测法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于邻域扩展聚类的离群点检测算法 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 邻域扩展聚类 | 第36-37页 |
| 4.3 邻域搜索 | 第37-38页 |
| 4.4 基于邻域扩展聚类的离群点检测 | 第38-39页 |
| 4.5 算法实例与分析 | 第39-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 基于边界匹配及聚类分析的离群点检测算法 | 第45-60页 |
| 5.1 引言 | 第45页 |
| 5.2 构建空间拓扑关系 | 第45-49页 |
| 5.2.1 单元格划分 | 第45-46页 |
| 5.2.2 构造哈希表 | 第46-47页 |
| 5.2.3 求最大连通域 | 第47-49页 |
| 5.3 边界检测及匹配 | 第49-52页 |
| 5.3.1 边界检测 | 第49-51页 |
| 5.3.2 边界匹配 | 第51-52页 |
| 5.4 改进的K-means聚类 | 第52-56页 |
| 5.4.1 K-means算法 | 第53-54页 |
| 5.4.2 初始聚类中心选取 | 第54-55页 |
| 5.4.3 基于聚类分析的离群点检测 | 第55-56页 |
| 5.5 算法实例与分析 | 第56-58页 |
| 5.5.1 算法比较 | 第56-58页 |
| 5.5.2 执行时间与效果 | 第58页 |
| 5.6 本章小结 | 第58-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文研究工作总结 | 第60-61页 |
| 6.2 进一步研究工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文和研究成果 | 第66-67页 |
| 致谢 | 第67页 |
