| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 地面三维激光扫描技术概况 | 第9-11页 |
| 1.1.1 地面三维激光扫描仪的组成 | 第9-10页 |
| 1.1.2 地面三维激光扫描仪工作原理 | 第10-11页 |
| 1.2 点云函数库(Point Cloud Library) | 第11-14页 |
| 1.3 点云法向量估算方法的国内外研究现状 | 第14-18页 |
| 1.4 文章研究内容与章节安排 | 第18-19页 |
| 第二章 散乱点云拓扑关系的建立 | 第19-29页 |
| 2.1 K近邻的概念 | 第19-21页 |
| 2.1.1 数学K近邻 | 第19-20页 |
| 2.1.2 空间定向K近邻 | 第20-21页 |
| 2.2 空间索引 | 第21页 |
| 2.3 空间包围盒 | 第21-22页 |
| 2.4 Kd树 | 第22-24页 |
| 2.4.1 Kd树的定义 | 第22-24页 |
| 2.4.2 Kd树的查找 | 第24页 |
| 2.5 点云数据格式转换 | 第24-28页 |
| 2.5.1 PLY文件格式 | 第24-25页 |
| 2.5.2 PCD文件格式 | 第25-28页 |
| 2.6 实验与分析 | 第28页 |
| 2.7 结语 | 第28-29页 |
| 第三章 基于局部平面拟合的法向量估算 | 第29-39页 |
| 3.1 点云法向量估算方法 | 第29-31页 |
| 3.1.1 基于Voronoi图的法向量估算方法 | 第29-30页 |
| 3.1.2 局部表面拟合方法 | 第30-31页 |
| 3.2 线性回归 | 第31-32页 |
| 3.2.1 线性回归定义 | 第31页 |
| 3.2.2 线性回归模型 | 第31-32页 |
| 3.3 平差模型 | 第32-35页 |
| 3.3.1 G-M模型 | 第33-34页 |
| 3.3.2 EIV模型 | 第34-35页 |
| 3.4 主元分析法的数学原理 | 第35-36页 |
| 3.5 实验与分析 | 第36-38页 |
| 3.6 结语 | 第38-39页 |
| 第四章 点云中含有离群点时的法向量估算 | 第39-53页 |
| 4.1 张量投票算法 | 第39-40页 |
| 4.2 张量分析的基本知识 | 第40-42页 |
| 4.2.1 张量的性质和定义 | 第40-41页 |
| 4.2.2 张量的分解 | 第41-42页 |
| 4.2.3 二阶张量及其特征向量表示 | 第42页 |
| 4.3 张量投票算法 | 第42-43页 |
| 4.4 二维情形 | 第43-46页 |
| 4.4.1 二维中的数据表示 | 第43-44页 |
| 4.4.2 二维的投票过程 | 第44-46页 |
| 4.5 三维情形 | 第46-47页 |
| 4.5.1 三维中的数据表示 | 第46页 |
| 4.5.2 三维中的投票过程 | 第46-47页 |
| 4.6 张量投票的闭合解 | 第47-51页 |
| 4.7 实验和分析 | 第51-52页 |
| 4.8 结语 | 第52-53页 |
| 第五章 结论与展望 | 第53-55页 |
| 5.1 全文工作总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录A | 第62-65页 |
| 附录B | 第65-67页 |