三维点云滤波与特征点提取算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景以及研究意义 | 第11-12页 |
| 1.2 三维点云滤波研究近况 | 第12-14页 |
| 1.3 三维点云关键点提取研究近况 | 第14页 |
| 1.4 论文结构安排 | 第14-17页 |
| 第2章 三维点云模型的滤波相关技术 | 第17-31页 |
| 2.1 点云模型中噪声的产生及分类 | 第17-18页 |
| 2.2 点云滤波方法 | 第18-22页 |
| 2.2.1 有序点云滤波方法 | 第18-20页 |
| 2.2.2 散乱点云滤波方法 | 第20-22页 |
| 2.3 k-最近邻域 | 第22-24页 |
| 2.4 采样点的法向计算 | 第24-25页 |
| 2.5 点云模型的高斯曲率计算 | 第25-28页 |
| 2.6 体素化网格降采样 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 三维点云模型的滤波算法改进 | 第31-40页 |
| 3.1 基于高斯曲率特征分类的点云模型滤波 | 第31-33页 |
| 3.1.1 分类滤波 | 第31-32页 |
| 3.1.2 基于高斯曲率的点集分类结果 | 第32-33页 |
| 3.2 多边滤波算法 | 第33-37页 |
| 3.2.1 预平滑法向量计算 | 第34-35页 |
| 3.2.2 最优邻域的选取和平滑法向量 | 第35-37页 |
| 3.2.3 多边平滑采样点的位置 | 第37页 |
| 3.3 多边滤波方法改进 | 第37-39页 |
| 3.3.1 改进后的滤波方法效果图 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 三维点云模型的特征点提取算法改进 | 第40-52页 |
| 4.1 现有的关键点提取方法优缺点 | 第40-41页 |
| 4.2 关键点提取算法改进 | 第41-42页 |
| 4.3 实验结果 | 第42-50页 |
| 4.3.1 改进后的关键点提取效果图 | 第42-45页 |
| 4.3.2 不同噪声下提取效果 | 第45-46页 |
| 4.3.3 实验效果分析 | 第46-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 复杂场景下目标识别实验 | 第52-59页 |
| 5.1 实验模型库 | 第52-53页 |
| 5.2 实验结果图 | 第53-57页 |
| 5.2.1 改进之前识别效果图 | 第53-54页 |
| 5.2.2 改进之后识别效果图 | 第54-57页 |
| 5.2.3 实验结果分析 | 第57页 |
| 5.3 本章小结 | 第57-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65-66页 |
| 致谢 | 第66页 |
