| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第17-34页 |
| 1.1 研究背景 | 第17-20页 |
| 1.1.1 什么是点云 | 第17页 |
| 1.1.2 点云的获取设备 | 第17-18页 |
| 1.1.3 基于点云的三维模型重建 | 第18-20页 |
| 1.2 研究意义 | 第20-21页 |
| 1.3 研究现状 | 第21-32页 |
| 1.3.1 点云去噪 | 第21-24页 |
| 1.3.2 刚性配准 | 第24-26页 |
| 1.3.3 非刚性配准 | 第26-29页 |
| 1.3.4 表面重建 | 第29-32页 |
| 1.4 本文内容安排 | 第32-34页 |
| 第2章 基于自适应MLS的结构化点云去噪 | 第34-48页 |
| 2.1 引言 | 第34-35页 |
| 2.2 算法描述 | 第35-41页 |
| 2.2.1 从深度图像到结构化点云 | 第35-36页 |
| 2.2.2 沿深度方向的投影MLS | 第36-38页 |
| 2.2.3 沿视线方向的隐式MLS | 第38-40页 |
| 2.2.4 双边核函数与大小自适应的邻域窗口 | 第40-41页 |
| 2.3 实验结果及讨论 | 第41-46页 |
| 2.3.1 Kinect扫描数据 | 第41-45页 |
| 2.3.2 立体视觉数据 | 第45-46页 |
| 2.4 结论 | 第46-48页 |
| 第3章 层次化的多视角刚性配准 | 第48-69页 |
| 3.1 引言 | 第48-49页 |
| 3.2 算法描述 | 第49-60页 |
| 3.2.1 初始双视角配准 | 第50-51页 |
| 3.2.2 环闭合问题 | 第51-57页 |
| 3.2.3 基于环的增量式配准 | 第57-60页 |
| 3.2.4 全局误差扩散 | 第60页 |
| 3.3 实验结果及讨论 | 第60-66页 |
| 3.3.1 配准结果 | 第61-62页 |
| 3.3.2 算法评估与对比 | 第62-66页 |
| 3.4 结论 | 第66-69页 |
| 第4章 基于多薄板样条的多视角非刚性配准 | 第69-85页 |
| 4.1 引言 | 第69-70页 |
| 4.2 算法描述 | 第70-77页 |
| 4.2.1 计算每2片重叠点云之间的对应点 | 第70-73页 |
| 4.2.2 基于多薄板样条的全局优化模型 | 第73-77页 |
| 4.2.3 应用薄板样条变换 | 第77页 |
| 4.3 实验结果及讨论 | 第77-80页 |
| 4.3.1 真实数据实验 | 第77-79页 |
| 4.3.2 模拟数据实验 | 第79-80页 |
| 4.4 结论 | 第80-81页 |
| 附录4. A推导汽接氺解多你板样条艰函数系数的方程 | 第81-85页 |
| 第5章 基于曲率自适应有向距离场的多尺度表面重建 | 第85-105页 |
| 5.1 引言 | 第85-86页 |
| 5.2 算法描述 | 第86-96页 |
| 5.2.1 逐点曲率估计 | 第87-88页 |
| 5.2.2 构建曲率自适应有向距离场 | 第88-90页 |
| 5.2.3 全局拟合 | 第90-94页 |
| 5.2.4 等值面提取 | 第94-96页 |
| 5.3 实验结果及讨论 | 第96-103页 |
| 5.3.1 精度对比 | 第96-99页 |
| 5.3.2 效率对比 | 第99-102页 |
| 5.3.3 非零等值面 | 第102页 |
| 5.3.4 算法限制 | 第102-103页 |
| 5.4 结论 | 第103-104页 |
| 附录5.A 式(5.10)中矩阵和向量的推导 | 第104-105页 |
| 第6章 总结与展望 | 第105-108页 |
| 6.1 本文总结 | 第105-107页 |
| 6.2 未来工作展望 | 第107-108页 |
| 参考文献 | 第108-120页 |
| 攻读博士学位期间主要的研究成果 | 第120-121页 |
| 致谢 | 第121-122页 |