基于多模型拟合的室内点云分割
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究动机与目的 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 基于边缘的分割方法 | 第12-13页 |
| 1.3.2 基于区域的分割方法 | 第13页 |
| 1.3.3 基于聚类的分割方法 | 第13-14页 |
| 1.3.4 基于图的分割方法 | 第14页 |
| 1.3.5 基于模型的分割方法 | 第14-16页 |
| 1.4 研究内容及研究方法 | 第16-17页 |
| 2 多模型拟合 | 第17-33页 |
| 2.1 基于评价准则的多模型拟合 | 第18-22页 |
| 2.1.2 RANSAC方法 | 第19-20页 |
| 2.1.3 MultiRANSAC | 第20-22页 |
| 2.2 基于模式搜索的多模型拟合 | 第22-26页 |
| 2.3 基于聚类的多模型拟合 | 第26-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 基于分裂合并的多模型拟合 | 第33-43页 |
| 3.1 分裂合并的多模型拟合算法 | 第34-39页 |
| 3.1.1 假设模型的生成 | 第34-35页 |
| 3.1.2 自上而下的分裂与最小残差分组 | 第35-37页 |
| 3.1.3 模型精化 | 第37-38页 |
| 3.1.4 阈值自适应算法 | 第38-39页 |
| 3.2 实验结果及分析 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 三维激光扫描仪室内点云分割 | 第43-61页 |
| 4.1 室内点云分割相关知识 | 第43-47页 |
| 4.1.1 平面模型的拟合 | 第43-44页 |
| 4.1.2 圆柱模型的拟合 | 第44-45页 |
| 4.1.3 点云k-d树构建 | 第45-47页 |
| 4.2 基于多模型拟合的室内点云分割 | 第47-51页 |
| 4.2.1 DBSCAN预分割 | 第48-50页 |
| 4.2.2 分裂合并多模型拟合 | 第50页 |
| 4.2.3 圆柱面判断拟合 | 第50-51页 |
| 4.3 室内激光扫描仪点云分割实验 | 第51-58页 |
| 4.3.1 实验数据 | 第51-53页 |
| 4.3.2 预分割结果 | 第53-55页 |
| 4.3.3 最终分割结果 | 第55-58页 |
| 4.4 本章小结 | 第58-61页 |
| 5 RGB-D图像点云分割 | 第61-71页 |
| 5.1 RGB-D深度影像去噪 | 第62-63页 |
| 5.2 RGB-D点云空洞 | 第63-65页 |
| 5.3 实验流程 | 第65-69页 |
| 5.4 本章小结 | 第69-71页 |
| 6 结论与展望 | 第71-73页 |
| 6.1 全文工作总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕±学位期间发表的科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
