| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究目的与研究方法 | 第13-16页 |
| 1.3.1 Kinect相机 | 第14-15页 |
| 1.3.2 点云库PCL | 第15-16页 |
| 1.4 论文的结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 2 点云数据的去噪 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 常用的点云去噪算法 | 第19-23页 |
| 2.2.1 直通滤波 | 第20-21页 |
| 2.2.2 统计滤波 | 第21页 |
| 2.2.3 半径滤波 | 第21-22页 |
| 2.2.4 联合双边滤波器 | 第22-23页 |
| 2.3 基于方法库的点云模型去噪平滑算法 | 第23-29页 |
| 2.3.1 算法流程分析 | 第23-24页 |
| 2.3.2 大尺度噪声点的去除 | 第24-25页 |
| 2.3.3 小尺度噪声点的去除 | 第25-26页 |
| 2.3.4 实验结果与分析 | 第26-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 点云数据的精简 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 常用的点云精简算法 | 第31-34页 |
| 3.2.1 基于法向量偏差的点云精简 | 第31-32页 |
| 3.2.2 基于曲率的点云精简 | 第32-33页 |
| 3.2.3 基于空间包围盒的点云精简 | 第33-34页 |
| 3.2.4 基于最小距离的点云精简算法 | 第34页 |
| 3.3 点云精简算法的评价指标 | 第34-35页 |
| 3.4 散乱点云的一种均匀精简算法 | 第35-38页 |
| 3.4.1 算法流程分析 | 第35页 |
| 3.4.2 k邻域体素栅格大小的确定 | 第35-36页 |
| 3.4.3 体素栅格均匀精简 | 第36-37页 |
| 3.4.4 贪婪投影三角化算法重建 | 第37-38页 |
| 3.5 实验结果与分析 | 第38-43页 |
| 3.6 本章小结 | 第43-45页 |
| 4 点云数据的配准 | 第45-63页 |
| 4.1 引言 | 第45-46页 |
| 4.2 常用的点云粗略配准算法 | 第46-48页 |
| 4.2.1 采样一致性粗略配准 | 第46-47页 |
| 4.2.2 随机采样一致性粗略配准 | 第47-48页 |
| 4.3 常用的点云精细配准算法 | 第48-51页 |
| 4.3.1 迭代最近点的点云配准 | 第48-50页 |
| 4.3.2 正态分布变换的点云配准 | 第50-51页 |
| 4.4 基于ISS特征点结合改进ICP的点云配准算法 | 第51-57页 |
| 4.4.1 算法流程分析 | 第51-52页 |
| 4.4.2 ISS特征检测算法 | 第52-53页 |
| 4.4.3 SIFT特征检测算法 | 第53-54页 |
| 4.4.4 NARF特征检测算法 | 第54-55页 |
| 4.4.5 FPFH描述子 | 第55-56页 |
| 4.4.6 基于k-dtree空间搜索法 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-61页 |
| 4.6 本章小结 | 第61-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 课题展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 作者攻读学位期间发表学术论文清单 | 第71-73页 |
| 致谢 | 第73页 |