| 目录 | 第6-9页 |
| 图索引 | 第9-12页 |
| 表索引 | 第12-13页 |
| 摘要 | 第13-15页 |
| Abstract | 第15-17页 |
| 第1章 绪论 | 第18-33页 |
| 1.1 研究目的与意义 | 第18-20页 |
| 1.2 研究现状及趋势 | 第20-26页 |
| 1.2.1 研究现状概述 | 第20-21页 |
| 1.2.2 利用高分辨率影像进行建筑物建模的研究现状 | 第21-23页 |
| 1.2.3 利用机载LiDAR数据进行建筑物建模的研究现状 | 第23-25页 |
| 1.2.4 联合机载LiDAR数据和高分影像进行建筑物建模的研究现状 | 第25-26页 |
| 1.3 研究内容与目标 | 第26-30页 |
| 1.3.1 研究内容 | 第26-29页 |
| 1.3.2 研究目标 | 第29-30页 |
| 1.4 论文组织结构 | 第30-33页 |
| 第2章 机载LIDAR数据滤波及建筑物检测 | 第33-56页 |
| 2.1 引言 | 第33页 |
| 2.2 改进的TIN滤波算法 | 第33-42页 |
| 2.2.1 TIN滤波算法原理 | 第34页 |
| 2.2.2 顾及地形的TIN加密滤波算法 | 第34-38页 |
| 2.2.3 实验结果与分析 | 第38-42页 |
| 2.3 基于迭代张量投票算法的建筑物检测 | 第42-55页 |
| 2.3.1 张量投票基本理论 | 第42-49页 |
| 2.3.2 基于迭代张量投票算法的建筑物检测 | 第49-52页 |
| 2.3.3 实验分析 | 第52-55页 |
| 2.4 本章小结 | 第55-56页 |
| 第3章 建筑物轮廓线提取与顾及语义的精化 | 第56-81页 |
| 3.1 引言 | 第56-57页 |
| 3.2 基本概念 | 第57-59页 |
| 3.2.1 多边形定义 | 第57-59页 |
| 3.2.2 多边形距离 | 第59页 |
| 3.3 建筑物轮廓线粗提取 | 第59-68页 |
| 3.3.1 基于双阂值Alpha Shapes算法的轮廓线提取 | 第59-64页 |
| 3.3.2 基于最小二乘的轮廓线化简 | 第64-65页 |
| 3.3.3 实验结果 | 第65-68页 |
| 3.4 顾及语义的轮廓线精化方法 | 第68-80页 |
| 3.4.1 轮廓线精化问题描述 | 第68-69页 |
| 3.4.2 轮廓线语义函数 | 第69-72页 |
| 3.4.3 基于遗传算法的精化方法 | 第72-76页 |
| 3.4.4 实验结果 | 第76-80页 |
| 3.5 本章小结 | 第80-81页 |
| 第4章 基于改进RANSAC算法的屋顶面分割 | 第81-94页 |
| 4.1 引言 | 第81页 |
| 4.2 随机抽样一致性算法基本原理 | 第81-84页 |
| 4.3 改进的RANSAC算法 | 第84-87页 |
| 4.3.1 预处理 | 第84页 |
| 4.3.2 屋顶面粗分割 | 第84-85页 |
| 4.3.3 基于粗分割结果的屋顶面提取 | 第85-87页 |
| 4.3.4 屋顶面竞争处理 | 第87页 |
| 4.4 实验与分析 | 第87-93页 |
| 4.4.1 算法性能分析 | 第87-91页 |
| 4.4.2 提取率分析 | 第91-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第5章 基于降维思想的建筑物实体模型生成 | 第94-123页 |
| 5.1 引言 | 第94页 |
| 5.2 问题描述及本文方法概述 | 第94-97页 |
| 5.3 二维平面模型生成 | 第97-116页 |
| 5.3.1 建立屋顶面邻接关系 | 第97-98页 |
| 5.3.2 特征线段提取 | 第98-105页 |
| 5.3.3 闭合区域检测 | 第105-110页 |
| 5.3.4 实验与分析 | 第110-116页 |
| 5.4 基于三维布尔运算的实体模型生成 | 第116-122页 |
| 5.4.1 高程恢复 | 第116-118页 |
| 5.4.2 实体模型生成 | 第118-120页 |
| 5.4.3 实验与分析 | 第120-122页 |
| 5.5 本章小结 | 第122-123页 |
| 第6章 总结与展望 | 第123-126页 |
| 6.1 全文总结 | 第123-125页 |
| 6.2 待进一步解决和研究的问题 | 第125-126页 |
| 参考文献 | 第126-136页 |
| 攻读博士期间的科研与论文情况 | 第136-138页 |
| 致谢 | 第138页 |
