首页--工业技术论文--建筑科学论文--建筑基础科学论文--建筑勘测论文--建筑工程测量及制图论文

机载LiDAR与影像结合的建筑物检测及其轮廓精化方法研究

摘要第12-15页
ABSTRACT第15-17页
1 绪论第18-37页
    1.1 研究目的和意义第18-20页
    1.2 国内外的研究现状与发展趋势第20-33页
        1.2.1 LiDAR点云滤波第21-28页
        1.2.2 建筑物检测第28-32页
        1.2.3 发展趋势第32-33页
    1.3 研究内容第33-34页
    1.4 研究方案第34-37页
2 多点改进的渐近加密三角网滤波方法第37-66页
    2.1 城区地形特点分析第37-40页
    2.2 经典渐进加密三角网滤波第40-42页
        2.2.1 算法原理第40-42页
        2.2.2 存在的不足第42页
    2.3 置信区间估计理论辅助的种子点优化选择第42-48页
        2.3.1 区间估计理论的应用第44-45页
        2.3.2 种子点优化策略第45-48页
    2.4 基于规则约束的陡坎地形检测第48-50页
    2.5 面向斜坡地形的“两步式”滤波第50-52页
    2.6 试验与分析第52-64页
        2.6.1 算法流程第52-53页
        2.6.2 数据准备第53-56页
        2.6.3 定量评价与比较方法第56-57页
        2.6.4 结果分析第57-64页
    2.7 本章小结第64-66页
3 平面特征约束的LiDAR建筑物检测方法第66-100页
    3.1 离散点云数据的空间索引方法第67-70页
        3.1.1 常用的点云数据索引方法第67-69页
        3.1.2 基于KD树的点云数据索引方法第69-70页
    3.2 基于奇异值分解的平面特征检测第70-76页
        3.2.1 基于奇异值分解的平面拟合第71-72页
        3.2.2 平面检测的策略选择第72-76页
    3.3 平面面片的合并、增长和聚类第76-82页
        3.3.1 面片合并第76-78页
        3.3.2 面片区域增长第78-80页
        3.3.3 面片的筛选和聚类第80-82页
    3.4 建筑物点云的轮廓提取第82-85页
        3.4.1 现有的建筑物点云轮廓提取算法第82-83页
        3.4.2 基于Alpha Shapes算法的点云轮廓提取第83-85页
    3.5 试验与分析第85-99页
        3.5.1 算法流程第85-86页
        3.5.2 数据准备第86-88页
        3.5.3 定量评价与比较方法第88-89页
        3.5.4 结果分析第89-99页
    3.6 本章小结第99-100页
4 航空影像辅助的建筑物轮廓精化方法第100-131页
    4.1 对现有LiDAR屋顶轮廓精化方法的分析第101-105页
    4.2 Snake模型简述第105-108页
        4.2.1 模型基本理论第105-106页
        4.2.2 主要应用背景第106-108页
    4.3 基于多视影像的物方精化策略第108-110页
    4.4 改进Snake模型中能量函数的构建第110-113页
        4.4.1 内部能量函数第110-111页
        4.4.2 外部能量函数第111-113页
    4.5 改进Snake模型的收敛策略第113-115页
    4.6 试验与分析第115-130页
        4.6.1 算法流程第115-116页
        4.6.2 数据准备第116-117页
        4.6.3 试验结果第117-126页
        4.6.4 精化过程中的不确定性分析第126-130页
    4.7 本章小结第130-131页
5 总结与展望第131-134页
    5.1 主要工作与创新第131-133页
    5.2 待进一步解决和研究的问题第133-134页
参考文献第134-144页
攻读博士学位期间发表的论文与科研情况第144-146页
    1 发表论文第144-145页
    2 科研项目第145页
    3 获奖情况第145-146页
致谢第146-147页

论文共147页,点击 下载论文
上一篇:钢-聚丙烯混杂纤维混凝土柱抗震性能研究
下一篇:Q3黄土力学及流变特性试验研究