摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
1. 绪论 | 第14-28页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 国内外研究现状 | 第16-25页 |
1.2.1 点云数据处理研究现状 | 第16-19页 |
1.2.2 点云空间数据索引研究现状 | 第19-21页 |
1.2.3 点云基准面提取研究现状 | 第21-23页 |
1.2.4 点云Delaunay三角网构建研究现状 | 第23-24页 |
1.2.5 点云处理软件现状 | 第24-25页 |
1.3 本文所做的工作与创新 | 第25-26页 |
1.4 论文的组织结构 | 第26-28页 |
2. 多级空间索引的建立 | 第28-48页 |
2.1 多级格网和KD树混合索引的构造方法 | 第28-35页 |
2.1.1 MultyGrid-KD树索引的基本思想 | 第29-30页 |
2.1.2 变分辨率格网索引的构造 | 第30-32页 |
2.1.3 K-D树的构造 | 第32-35页 |
2.2 最近邻搜索 | 第35-37页 |
2.2.1 基本概念 | 第35-36页 |
2.2.2 常用方法 | 第36-37页 |
2.3 基于MultyGrid-Kd树索引的点云最近邻搜索 | 第37-41页 |
2.4 试验比较 | 第41-47页 |
2.5 本章小结 | 第47-48页 |
3. 基准面提取与拟合 | 第48-102页 |
3.1 引言 | 第48-49页 |
3.2 分割方法概述 | 第49-55页 |
3.2.1 通用的分割方法 | 第49-51页 |
3.2.2 古建筑点云分割GOAF算法整体策略 | 第51-55页 |
3.3 微分信息估算 | 第55-62页 |
3.3.1 输入离散点云数据 | 第56-57页 |
3.3.2 初始法向量估算 | 第57-59页 |
3.3.3 法向拟合 | 第59-60页 |
3.3.4 二阶微分量计算 | 第60-62页 |
3.4 点云高斯映射 | 第62-63页 |
3.5 AQ-DBSCAN密度聚类 | 第63-76页 |
3.5.1 聚类方法概述 | 第64-65页 |
3.5.2 DBSCAN算法及其适用性 | 第65-68页 |
3.5.3 AQ-DBSCAN算法 | 第68-76页 |
3.6 重叠区的分析与碎面过滤 | 第76-79页 |
3.7 基准面拟合 | 第79-84页 |
3.7.1 高斯映射数据的形状类型识别 | 第79-81页 |
3.7.2 特征提取 | 第81-84页 |
3.8 噪音点归类 | 第84-85页 |
3.9 三角网构建 | 第85-88页 |
3.10 处理流程及试验比较分析 | 第88-100页 |
3.10.1 处理算法与流程 | 第88-91页 |
3.10.2 AQ-DBSCAN与DBSCAN、FDBSCAN的实验比较 | 第91-98页 |
3.10.3 最终分割结果 | 第98-100页 |
3.11 本章小结 | 第100-102页 |
4. 多核并行计算优化 | 第102-118页 |
4.1 引言 | 第102页 |
4.2 并行计算与多核技术 | 第102-104页 |
4.3 OpenMP并行编程模型 | 第104-105页 |
4.4 算法的并行计算优化 | 第105-114页 |
4.4.1 多核环境下并行优化的原则 | 第105-107页 |
4.4.2 主要算法的并行优化 | 第107-114页 |
4.5 试验及分析 | 第114-117页 |
4.6 本章小结 | 第117-118页 |
5. 原型系统的设计与实现 | 第118-133页 |
5.1 概述 | 第118页 |
5.2 原型系统设计 | 第118-127页 |
5.2.1 系统框架 | 第118-119页 |
5.2.2 开发环境与工具 | 第119-122页 |
5.2.3 技术架构 | 第122-124页 |
5.2.4 数据结构 | 第124-126页 |
5.2.5 处理流程 | 第126-127页 |
5.3 功能模块与界面 | 第127-131页 |
5.4 实验结果 | 第131-132页 |
5.5 本章小结 | 第132-133页 |
6. 结论与展望 | 第133-135页 |
6.1 本文总结 | 第133-134页 |
6.2 研究展望 | 第134-135页 |
参考文献 | 第135-142页 |
附录:博士期间的科研成果 | 第142-144页 |
致谢 | 第144页 |