| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.2 研究现状 | 第18-19页 |
| 1.3 研究内容和论文组织结构 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 论文组织结构 | 第20-21页 |
| 1.4 本章小结 | 第21-23页 |
| 第二章 基于特征提取的点云地图融合算法介绍 | 第23-37页 |
| 2.1 点云特征提取算法 | 第23-29页 |
| 2.1.1 点云法向量的计算 | 第23-26页 |
| 2.1.2 点云PFH特征提取算法 | 第26-28页 |
| 2.1.3 点云FPFH特征提取算法 | 第28-29页 |
| 2.2 点云地图之间转换矩阵的求解 | 第29-32页 |
| 2.2.1 点云转换矩阵的组成形式 | 第30-31页 |
| 2.2.2 点云之间转换矩阵的求解 | 第31-32页 |
| 2.3 点云融合算法介绍 | 第32-34页 |
| 2.4 基于特征提取的点云融合算法中所存在的问题 | 第34页 |
| 2.5 本章小结 | 第34-37页 |
| 第三章 基于 3D-SIFT关键点的特征提取初始融合算法 | 第37-51页 |
| 3.1 3D-SIFT关键点的提取 | 第37-41页 |
| 3.1.1 点云尺度空间中检测极值点 | 第38-39页 |
| 3.1.2 确定关键点方向 | 第39-40页 |
| 3.1.3 关键点的描述 | 第40-41页 |
| 3.2 IPFH特征提取算法描述 | 第41-44页 |
| 3.2.1 权重系数的重新计算 | 第41-42页 |
| 3.2.2 区间分割 | 第42-44页 |
| 3.3 计算特征匹配点 | 第44-48页 |
| 3.3.1 基于分层的k-means树的建立 | 第44-47页 |
| 3.3.2 采用优先搜索k-means树搜索特征匹配点 | 第47-48页 |
| 3.4 RANSAC算法计算初始转换矩阵 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 多分辨率的点云近似最近点精确融合算法 | 第51-61页 |
| 4.1 ICP算法优化策略分析 | 第51-52页 |
| 4.2 多分辨率点云邻近近似最近点迭代算法 | 第52-60页 |
| 4.2.1 多分辨率点云的形成 | 第52-55页 |
| 4.2.2 邻近近似最近点思想 | 第55-56页 |
| 4.2.3 目标函数的选择 | 第56-57页 |
| 4.2.4 算法描述及分析 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 实验结果与分析评估 | 第61-77页 |
| 5.1 平台与环境 | 第61-64页 |
| 5.1.1 测试运行环境 | 第61-62页 |
| 5.1.2 测试数据集 | 第62-64页 |
| 5.2 IPFH与FPFH实验分析与对比 | 第64-66页 |
| 5.3 初始点云融合算法实验结果分析 | 第66-71页 |
| 5.4 基于多分辨率的点云邻近迭代精确融合算法实验结果与分析 | 第71-75页 |
| 5.5 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
