| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 三维重建技术的研究与发展 | 第9-10页 |
| 1.2 课题研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 研究内容和论文结构 | 第13-15页 |
| 第二章 点云配准的基本原理 | 第15-27页 |
| 2.1 激光点云的获取 | 第15-18页 |
| 2.2 点云的类型分类 | 第18-20页 |
| 2.3 刚体变换 | 第20-22页 |
| 2.4 目标函数 | 第22页 |
| 2.5 四元数求变换矩阵 | 第22-23页 |
| 2.6 点云空间搜索方法 | 第23-26页 |
| 2.6.1 点邻域搜索 | 第24页 |
| 2.6.2 八叉树索引 | 第24-25页 |
| 2.6.3 KD树索引 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 点云数据配准算法 | 第27-33页 |
| 3.1 迭代最近点算法(ICP)及其改进算法 | 第27-29页 |
| 3.1.1 迭代最近点算法简介 | 第27-28页 |
| 3.1.2 ICP算法的改进 | 第28-29页 |
| 3.2 基于遗传算法的点云配准 | 第29-32页 |
| 3.2.1 遗传算法简介 | 第29-31页 |
| 3.2.2 遗传算法用于点云配准 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于GPU并行粒子群的点云配准算法 | 第33-51页 |
| 4.1 粒子群算法及其改进算法 | 第33-37页 |
| 4.1.1 粒子群优化算法 | 第34-35页 |
| 4.1.2 粒子群算法的改进 | 第35-37页 |
| 4.2 CUDA统一计算架构 | 第37-43页 |
| 4.2.1 CUDA编程模型 | 第39-41页 |
| 4.2.2 CUDA软件体系 | 第41-42页 |
| 4.2.3 CUDA储存器模型 | 第42-43页 |
| 4.3 基于CUDA的PSO算法 | 第43-47页 |
| 4.3.1 存储结构设计 | 第45页 |
| 4.3.2 并行PSO程序流程设计 | 第45-46页 |
| 4.3.3 基于CUDA并行粒子群算法的进一步优化 | 第46-47页 |
| 4.4 基于CUDA并行化粒子群算法的点云配准实现 | 第47-50页 |
| 4.4.1 适应度函数 | 第48页 |
| 4.4.2 并行化粒子群算法的点云配准过程 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 实验和分析 | 第51-59页 |
| 5.1 实验设计 | 第51-53页 |
| 5.2 实验结果 | 第53-56页 |
| 5.3 GPU加速前后运算时间对比 | 第56-57页 |
| 5.4 本文算法与ICP算法受初始位置影响对比 | 第57-58页 |
| 5.5 结果分析 | 第58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文工作总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-67页 |
| 致谢 | 第67页 |