| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景及项目来源 | 第15-17页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 课题来源 | 第17页 |
| 1.2 国内外研究现状及发展动态 | 第17-19页 |
| 1.3 课题研究意义及本文拟解决的关键问题 | 第19-20页 |
| 1.3.1 研究意义 | 第19-20页 |
| 1.3.2 拟解决的关键问题 | 第20页 |
| 1.4 研究内容 | 第20-21页 |
| 1.4.1 研究内容 | 第20页 |
| 1.4.2 技术路线 | 第20-21页 |
| 1.5 论文结构及获得的创新点 | 第21-23页 |
| 1.5.1 论文结构 | 第21-22页 |
| 1.5.2 主要创新点 | 第22-23页 |
| 第二章 多分辨率测量点云初始化 | 第23-31页 |
| 2.1 点数据K邻域搜索 | 第23-25页 |
| 2.1.1 K-D树 | 第23-24页 |
| 2.1.2 K邻域搜索算法 | 第24-25页 |
| 2.2 点数据法向量估计 | 第25-29页 |
| 2.2.1 基于点云三角化的法向量估计 | 第25-27页 |
| 2.2.2 基于局部表面拟合法向量估计方法 | 第27页 |
| 2.2.3 协方差分析 | 第27-29页 |
| 2.3 小结 | 第29-31页 |
| 第三章 基于塔形分解的种子点拾取算法 | 第31-41页 |
| 3.1 图像塔型分解原理 | 第31-34页 |
| 3.1.1 图像的塔型分解 | 第31-32页 |
| 3.1.2 图像高斯塔型分解 | 第32-33页 |
| 3.1.3 图像拉普拉斯金字塔分解 | 第33-34页 |
| 3.2 点云数据塔型分解 | 第34-36页 |
| 3.3 种子点拾取算法 | 第36-38页 |
| 3.3.1 拉普拉斯金字塔种子点拾取 | 第37-38页 |
| 3.3.2 高斯金字塔种子点拾取 | 第38页 |
| 3.4 小结 | 第38-41页 |
| 第四章 基于塔形分解的多分辨率测量点云匹配方法 | 第41-49页 |
| 4.1 原始ICP匹配方法 | 第41-42页 |
| 4.2 种子点选取策略 | 第42页 |
| 4.3 对应点匹配策略 | 第42-43页 |
| 4.4 刚体变换矩阵求解 | 第43-46页 |
| 4.4.1 奇异值分解法(SingularValueDecomposition–SVD) | 第44-45页 |
| 4.4.2 单位四元数法(UnitQuaternion) | 第45-46页 |
| 4.5 基于塔形分解的多分辨率测量点云匹配算法 | 第46-47页 |
| 4.6 小结 | 第47-49页 |
| 第五章 匹配实验研究 | 第49-63页 |
| 5.1 本文算法匹配实验 | 第49-58页 |
| 5.1.2 高斯金字塔种子点匹配实验 | 第49-53页 |
| 5.1.3 拉普拉斯金字塔种子点匹配 | 第53-58页 |
| 5.2 不同种子点选取算法匹配实验 | 第58-61页 |
| 5.3 小结 | 第61-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |