结合形态学的不规则三角网LiDAR点云滤波算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 LiDAR点云数据滤波算法 | 第11-15页 |
| 1.2.2 LiDAR点云数据后处理常用软件 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 研究技术路线及方法 | 第18-20页 |
| 2 LiDAR系统技术与应用 | 第20-32页 |
| 2.1 系统组成 | 第20-24页 |
| 2.1.1 激光雷达测距系统 | 第21-23页 |
| 2.1.2 惯性导航系统 | 第23页 |
| 2.1.3 动态差分GPS | 第23-24页 |
| 2.1.4 成像装置 | 第24页 |
| 2.2 机载LiDAR技术原理 | 第24-26页 |
| 2.3 数据结构与特点 | 第26-29页 |
| 2.3.1 LiDAR点云组成 | 第26-27页 |
| 2.3.2 LiDAR点云数据特点 | 第27-29页 |
| 2.4 LiDAR技术特点与应用 | 第29-31页 |
| 2.4.1 机载测量技术的特点 | 第29页 |
| 2.4.2 机载LiDAR主要应用 | 第29-31页 |
| 2.5 小结 | 第31-32页 |
| 3 基于KD树组织的点云粗差剔除法 | 第32-44页 |
| 3.1 粗差来源与分类 | 第32-33页 |
| 3.2 已有粗差剔除方法概述 | 第33-34页 |
| 3.2.1 粗差剔除法分类 | 第33页 |
| 3.2.2 常用粗差剔除法介绍 | 第33-34页 |
| 3.3 KD树组织法 | 第34-38页 |
| 3.3.1 KD树原理 | 第35页 |
| 3.3.2 KD树的构造 | 第35-36页 |
| 3.3.3 KD树最邻近查找 | 第36-38页 |
| 3.4 基于KD树的LiDAR点云粗差剔除原理 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-43页 |
| 3.6 小结 | 第43-44页 |
| 4 结合形态学与不规则三角网的点云滤波算法 | 第44-62页 |
| 4.1 数学形态学滤波法 | 第44-49页 |
| 4.1.1 数学形态学原理 | 第44-46页 |
| 4.1.2 渐变窗口形态学滤波算法步骤 | 第46页 |
| 4.1.3 滤波参数设置 | 第46-48页 |
| 4.1.4 窗口大小对形态学滤波结果影响及分析 | 第48-49页 |
| 4.2 不规则三角网滤波法 | 第49-54页 |
| 4.2.1 三角网滤波原理 | 第49-50页 |
| 4.2.2 滤波关键问题分析 | 第50-52页 |
| 4.2.3 实验结果及分析 | 第52-54页 |
| 4.3 结合形态学的不规则三角网滤波算法 | 第54-61页 |
| 4.3.1 结合形态学的不规则三角网滤波原理 | 第54-55页 |
| 4.3.2 算法步骤 | 第55-56页 |
| 4.3.3 滤波精度评价 | 第56-57页 |
| 4.3.4 实验结果及分析 | 第57-61页 |
| 4.4 小结 | 第61-62页 |
| 5 结论与展望 | 第62-64页 |
| 5.1 结论 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
