| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 点云配准的算法国内外研究现状 | 第12-13页 |
| 1.2.2 GPU的国内外研究现状 | 第13-14页 |
| 1.3 本文的研究内容及组织结构 | 第14-17页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 组织结构 | 第14-17页 |
| 1.4 小结 | 第17-19页 |
| 2 相关工作的研究 | 第19-29页 |
| 2.1 点云配准技术 | 第19-25页 |
| 2.1.1 点云的概念 | 第19-20页 |
| 2.1.2 点云配准 | 第20-21页 |
| 2.1.3 点云配准的理论基础 | 第21-25页 |
| 2.2 GPU并行技术 | 第25-28页 |
| 2.2.1 GPU的优势 | 第25-27页 |
| 2.2.2 CUDA架构 | 第27页 |
| 2.2.3 CUDA的编程模型 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于旋转图像特征描述子改进的ICP算法 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 传统ICP算法 | 第29-30页 |
| 3.3 改进的ICP算法 | 第30-34页 |
| 3.3.1 滤波处理 | 第31页 |
| 3.3.2 关键点提取 | 第31-32页 |
| 3.3.3 旋转图像特征描述子 | 第32-33页 |
| 3.3.4 计算初始配准参数 | 第33-34页 |
| 3.4 实验与结果分析 | 第34-36页 |
| 3.4.1 配准结果 | 第34-36页 |
| 3.4.2 实验结果分析 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于GPU的点云配准算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 基于GPU的EM-ICP并行配准算法 | 第37-42页 |
| 4.2.1 EM-ICP算法 | 第37-38页 |
| 4.2.2 基于GPU的EM-ICP并行算法 | 第38-40页 |
| 4.2.3 实验与结果分析 | 第40-42页 |
| 4.3 基于GPU的Softassign并行配准算法 | 第42-46页 |
| 4.3.1 Softassign算法 | 第42-43页 |
| 4.3.2 基于GPU的Softassign并行算法 | 第43-44页 |
| 4.3.3 实验与结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 基于改进ICP算法的点云配准系统 | 第47-53页 |
| 5.1 系统设计的目的及意义 | 第47页 |
| 5.2 点云配准系统总体设计 | 第47-48页 |
| 5.3 系统模块功能实现 | 第48-52页 |
| 5.3.1 系统主界面 | 第48页 |
| 5.3.2 显示点云模块 | 第48-49页 |
| 5.3.3 滤波处理模块 | 第49-51页 |
| 5.3.4 点云配准模块 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53页 |
| 6.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第61-62页 |
| 致谢 | 第62-64页 |