| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 三维重建研究现状 | 第14-17页 |
| 1.2.2 离群点去除研究现状 | 第17-18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第二章 三维模型重建与优化的理论和技术 | 第20-34页 |
| 2.1 三维重建的基本理论 | 第20-24页 |
| 2.1.1 图像投影的基本理论 | 第20-21页 |
| 2.1.2 相机标定的基本原理 | 第21-22页 |
| 2.1.3 多视图匹配问题 | 第22页 |
| 2.1.4 对极几何和相机姿态的确定 | 第22-24页 |
| 2.1.5 三角化和三维点云的求解 | 第24页 |
| 2.2 三维重建的关键技术 | 第24-27页 |
| 2.2.1 SfM算法 | 第24页 |
| 2.2.2 视觉SLAM算法 | 第24-27页 |
| 2.3 三维模型优化技术 | 第27-32页 |
| 2.3.1 三维点云离群噪声点的去除 | 第28-31页 |
| 2.3.2 三维点云的平滑、曲面重建和纹理映射 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 URNR-3D —支持实时无线数据流采集的统一的三维重建方案 | 第34-46页 |
| 3.1 URNR-3D三维重建方案设计 | 第35-37页 |
| 3.1.1 URNR-3D整体框架设计和实现 | 第35-36页 |
| 3.1.2 实时无线数据流采集上传原理、设计和实现 | 第36-37页 |
| 3.2 URNR-3D三维重建方案实验性能验证 | 第37-45页 |
| 3.2.1 实验设置 | 第37-38页 |
| 3.2.2 实验结果 | 第38-45页 |
| 3.3 本章总结 | 第45-46页 |
| 第四章 LSNOR——针对被大规模噪声干扰的三维点云离群点去除算法 | 第46-70页 |
| 4.1 LSNOR的提出和基本假设 | 第46-47页 |
| 4.1.1 三维点云去噪难度分析 | 第46-47页 |
| 4.1.2 LSNOR基本思路和贡献 | 第47页 |
| 4.1.3 基本假设 | 第47页 |
| 4.2 局部一致性因子 | 第47-49页 |
| 4.3 距离测度 | 第49-50页 |
| 4.4 参数的自主估计 | 第50-51页 |
| 4.5 LSNOR算法 | 第51-52页 |
| 4.6 实验结果和分析 | 第52-63页 |
| 4.6.1 数据集概览 | 第52-53页 |
| 4.6.2 对比的标杆算法和标准 | 第53页 |
| 4.6.3 针对人工合成数据集的实验结果和分析 | 第53-55页 |
| 4.6.4 针对实际三维点云的实验结果和分析 | 第55-56页 |
| 4.6.5 讨论 | 第56页 |
| 4.6.6 LSNOR算法时间复杂度分析及运行时间 | 第56-63页 |
| 4.7 点云平滑、曲面重建分析和比较 | 第63-68页 |
| 4.7.1 点云平滑 | 第63-66页 |
| 4.7.2 曲面重建 | 第66-68页 |
| 4.8 本章总结 | 第68-70页 |
| 第五章 工作总结和未来展望 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 未来展望 | 第71-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |
