基于点云数据的三维模型自动构建方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本文的主要内容和章节安排 | 第12-14页 |
| 1.3.1 论文开展的主要工作 | 第12-13页 |
| 1.3.2 论文内容的组织结构 | 第13-14页 |
| 第2章 三维模型点云数据及相关技术介绍 | 第14-22页 |
| 2.1 点云数据介绍 | 第14-18页 |
| 2.1.1 LiDAR数据的构成 | 第14-15页 |
| 2.1.2 LiDAR数据的存储格式 | 第15-17页 |
| 2.1.3 LiDAR数据的使用 | 第17-18页 |
| 2.2 点云数据处理关键技术 | 第18-21页 |
| 2.2.1 常见滤波分类算法 | 第18-20页 |
| 2.2.2 不规则三角网的建立算法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 三维模型自动构建方法的设计 | 第22-42页 |
| 3.1 三维模型自动构建方法概要设计 | 第22页 |
| 3.2 点云数据源获取 | 第22-24页 |
| 3.3 点云数据预处理和三维模型点云数据的获取 | 第24-28页 |
| 3.3.1 点云数据的坐标纠正和去噪 | 第24-26页 |
| 3.3.2 点云数据的滤波分类和导出 | 第26-28页 |
| 3.4 三维模型点云数据三角化 | 第28-39页 |
| 3.4.1 Delaunay规则及其特性 | 第28-29页 |
| 3.4.2 综合的三角化算法 | 第29-39页 |
| 3.5 三维建模 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 三维模型自动构建方法的实现 | 第42-51页 |
| 4.1 数据存储结构 | 第42-44页 |
| 4.1.1 点的数据存储 | 第42页 |
| 4.1.2 三角网边的数据存储 | 第42-43页 |
| 4.1.3 边界线框的数据存储 | 第43-44页 |
| 4.2 综合性方法中关键算法的实现 | 第44-46页 |
| 4.2.1 凸多边形逐点插入算法实现 | 第44页 |
| 4.2.2 区域间底线确定算法实现 | 第44-45页 |
| 4.2.3 凸多边形归并算法实现 | 第45-46页 |
| 4.3 三维模型自动构建系统实现 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 论文完成的工作总结 | 第51-52页 |
| 5.2 未来展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |
