首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

点云的特征线提取算法研究及应用

摘要第4-6页
abstract第6-7页
第1章 绪论第11-19页
    1.1 研究背景和研究意义第11-13页
        1.1.1 研究背景第11-12页
        1.1.2 点云特征线提取的应用领域第12-13页
    1.2 国内外研究现状及研究难点第13-16页
        1.2.1 国内外研究现状第13-15页
        1.2.2 三维物体特征线提取的难点第15-16页
    1.3 文章主要研究内容及安排第16-19页
第2章 点云特征线的整体框架与相关技术第19-27页
    2.1 点云特征线提取的整体框架第19-20页
    2.2 点云特征线提取中的相关技术第20-25页
        2.2.1 点云获取第20-21页
        2.2.2 去噪平滑第21-22页
        2.2.3 特征提取第22-23页
        2.2.4 区域分割第23-24页
        2.2.5 特征线拟合第24-25页
    2.3 本章小结第25-27页
第3章 基于协方差矩阵的多尺度特征点提取算法第27-43页
    3.1 特征点定义第27页
    3.2 常见特征点提取算法第27-33页
        3.2.1 利用曲率提取特征点第28-30页
        3.2.2 利用法向量提取特征点第30-31页
        3.2.3 基于体积积分不变量提取特征点第31-33页
    3.3 基于协方差矩阵的多尺度特征点提取算法第33-36页
        3.3.1 特征点的检测第33页
        3.3.2 点云聚类第33-34页
        3.3.3 多尺度聚类第34-36页
    3.4 实验结果与分析第36-41页
        3.4.1 多尺度的提取特征点第37-38页
        3.4.2 抗噪性分析第38-40页
        3.4.3 特征点提取结果对比分析第40-41页
    3.5 本章小结第41-43页
第4章 基于协方差矩阵与移动最小二乘的特征线拟合算法第43-57页
    4.1 特征线的定义第43-44页
    4.2 常见的特征线拟合方法第44-47页
        4.2.1 多尺度的特征提取第44-45页
        4.2.2 点云模型谷脊特征的提取与增强算法第45页
        4.2.3 基于符号曲面变化度与特征分区提取特征线第45-47页
    4.3 基于协方差矩阵与移动最小二乘的特征线拟合算法第47-52页
        4.3.1 基于协方差矩阵的特征线提取第47-49页
        4.3.2 移动最小二乘法光滑特征曲线第49-52页
    4.4 实验结果与分析第52-56页
        4.4.1 投影映射后的特征线第52-53页
        4.4.2 运行时间分析第53页
        4.4.3 抗噪性分析第53-55页
        4.4.4 与其他算法的对比分析第55-56页
    4.5 本章小结第56-57页
第5章 点云特征线在三维物体配准中的应用第57-67页
    5.1 特征线配准技术第57页
    5.2 变换矩阵的获取与评价第57-62页
        5.2.1 随机采样一致性算法第57-58页
        5.2.2 奇异值分解法第58-60页
        5.2.3 特征线的曲率与挠率的计算第60-62页
    5.3 基于特征线微分信息的匹配方法第62-66页
        5.3.1 基于特征线微分信息的匹配方法第62-64页
        5.3.2 实验结果与分析第64-66页
    5.4 本章小结第66-67页
第6章 总结与展望第67-69页
    6.1 本文总结第67-68页
    6.2 研究展望第68-69页
参考文献第69-75页
攻读硕士学位期间所取得的研究成果第75-77页
致谢第77-78页

论文共78页,点击 下载论文
上一篇:癌症放疗影像变化检测算法研究
下一篇:基于用户画像和因子分解机的推荐算法研究