地面LiDAR散乱点云配准关键技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-14页 |
| 1.1.1 点云配准 | 第10-13页 |
| 1.1.2 点云配准的应用 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 ICP配准算法 | 第14-15页 |
| 1.2.2 转换参数求解 | 第15-16页 |
| 1.2.3 K近邻搜索算法 | 第16-17页 |
| 1.2.4 多视配准算法 | 第17-18页 |
| 1.3 研究目标和内容 | 第18页 |
| 1.4 论文的章节安排 | 第18-20页 |
| 第2章 转换参数最小二乘估计 | 第20-28页 |
| 2.1 旋转矩阵的表达形式 | 第20-21页 |
| 2.1.1 欧拉角形式 | 第20页 |
| 2.1.2 矩阵形式 | 第20-21页 |
| 2.1.3 四元数形式 | 第21页 |
| 2.2 最小二乘估计方法 | 第21-26页 |
| 2.2.1 非迭代解法 | 第21-23页 |
| 2.2.2 迭代解法 | 第23-25页 |
| 2.2.3 联合解法 | 第25-26页 |
| 2.3 实验对比分析 | 第26-28页 |
| 2.3.1 精度评价 | 第26页 |
| 2.3.2 实例分析 | 第26-28页 |
| 第3章 K近邻搜索与几何特征估计 | 第28-41页 |
| 3.1 点云的组织与存储 | 第28-31页 |
| 3.1.1 已有空间划分方法 | 第28-29页 |
| 3.1.2 正交轴格网划分方法 | 第29-30页 |
| 3.1.3 点云存储的具体过程 | 第30-31页 |
| 3.2 K近邻搜索 | 第31-35页 |
| 3.2.1 基于树结构的搜索 | 第32-33页 |
| 3.2.2 正交轴格网划分的搜索 | 第33-34页 |
| 3.2.3 对比实验 | 第34-35页 |
| 3.3 几何特征估计 | 第35-41页 |
| 3.3.1 法向量估计 | 第35-36页 |
| 3.3.2 曲率估计 | 第36-37页 |
| 3.3.3 实例分析 | 第37-41页 |
| 第4章 两视配准分析 | 第41-56页 |
| 4.1 初始转换参数获取 | 第41页 |
| 4.2 ICP算法原理与过程 | 第41-45页 |
| 4.2.1 “点-点”ICP算法 | 第42-43页 |
| 4.2.2 “点-面”ICP算法 | 第43-45页 |
| 4.3 实例与分析 | 第45-56页 |
| 4.3.1 实验数据获取 | 第45-47页 |
| 4.3.2 粗配准实验及结果 | 第47-49页 |
| 4.3.3 ICP精配准实验及结果 | 第49-56页 |
| 第5章 渐进式配准算法 | 第56-64页 |
| 5.1 视图链与闭合环 | 第56-57页 |
| 5.2 闭合环条件方程 | 第57-59页 |
| 5.2.1 条件方程线性化 | 第57-59页 |
| 5.2.2 条件方程求解 | 第59页 |
| 5.3 渐进式配准的过程 | 第59-60页 |
| 5.4 实验分析 | 第60-64页 |
| 结论与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的学术成果 | 第71页 |
