基于点云的植物骨架提取与建模研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 骨架提取研究现状 | 第11-16页 |
| 1.2.1 基于网格的骨架提取 | 第11-13页 |
| 1.2.2 基于点云的骨架提取 | 第13页 |
| 1.2.3 植物点云建模 | 第13-16页 |
| 1.3 论文主要工作 | 第16-17页 |
| 第二章 基于Kinect的数据采集和预处理 | 第17-29页 |
| 2.1 Kinect简介 | 第17-21页 |
| 2.1.1 Kinect基本原理 | 第17-18页 |
| 2.1.2 Kinect应用案例 | 第18-20页 |
| 2.1.3 基于Kinect的数据采集 | 第20-21页 |
| 2.2 点云数据模型处理 | 第21-27页 |
| 2.2.1 点云数据模型概念 | 第21-23页 |
| 2.2.2 点云数据精简 | 第23-24页 |
| 2.2.3 点云数据去噪 | 第24-27页 |
| 2.3 点云配准 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于Kd-tree的植物骨架提取方法 | 第29-44页 |
| 3.1 点云数据存储及邻域搜索 | 第29-32页 |
| 3.1.1 Kd-tree定义及构建 | 第29-31页 |
| 3.1.2 最近邻查找算法 | 第31-32页 |
| 3.2 植物骨架线连接 | 第32-40页 |
| 3.2.1 初始点云聚类 | 第33-34页 |
| 3.2.2 父子枝关系确立 | 第34-35页 |
| 3.2.3 骨架线连接 | 第35-37页 |
| 3.2.4 环路消除方法 | 第37-39页 |
| 3.2.5 数据缺失的情况 | 第39-40页 |
| 3.3 实验结果 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于骨架的植物模型重建方法 | 第44-55页 |
| 4.1 基于网格的重建方法 | 第44-48页 |
| 4.1.1 局部三角网格化与优化 | 第44-46页 |
| 4.1.2 算法实现流程 | 第46-48页 |
| 4.1.3 实验结果 | 第48页 |
| 4.2 基于点云骨架的重建方法 | 第48-54页 |
| 4.2.1 分支骨架识别 | 第49页 |
| 4.2.2 表面重采样 | 第49-51页 |
| 4.2.3 构建叶片模型 | 第51页 |
| 4.2.4 纹理贴图 | 第51-53页 |
| 4.2.5 实验结果 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 原型系统设计与实现 | 第55-61页 |
| 5.1 系统硬件环境 | 第55页 |
| 5.2 系统软件工具 | 第55-57页 |
| 5.2.1 OpenNI简介 | 第56-57页 |
| 5.2.2 OpenGL简介 | 第57页 |
| 5.3 系统界面 | 第57-59页 |
| 5.4 系统设计流程 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 学术成果 | 第70页 |
