| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 倾斜摄影测量系统 | 第13-16页 |
| 1.2.2 点云单体化提取技术 | 第16-19页 |
| 1.2.3 基于点云的建筑物重建 | 第19-20页 |
| 1.3 论文的研究内容和结构安排 | 第20-22页 |
| 第二章 基于降维的建筑物点云单体化提取技术 | 第22-34页 |
| 2.1 建筑物点云单体化提取流程 | 第22页 |
| 2.2 三维点云的特征二维化 | 第22-24页 |
| 2.2.1 格网结构确定 | 第23页 |
| 2.2.2 格网特征值计算 | 第23-24页 |
| 2.3 建筑物二维边界提取 | 第24-25页 |
| 2.3.1 基于形态学的阈值分割 | 第24-25页 |
| 2.3.2 Canny边缘检测 | 第25页 |
| 2.4 建筑物轮廓跟踪约束 | 第25-26页 |
| 2.4.1 轮廓跟踪 | 第25-26页 |
| 2.4.2 轮廓周长和形状约束 | 第26页 |
| 2.5 实验与分析 | 第26-33页 |
| 2.5.1 实验一 | 第26-29页 |
| 2.5.2 实验二 | 第29-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于密度聚类分析的建筑物点云单体化提取技术 | 第34-48页 |
| 3.1 单体建筑物点云模型提取流程 | 第34-35页 |
| 3.2 基于高程统计方法的点云滤波技术 | 第35页 |
| 3.3 基于点云簇的密度聚类分析 | 第35-38页 |
| 3.3.1 DBSCAN聚类分析算法 | 第35-36页 |
| 3.3.2 DBSCAN算法描述 | 第36-37页 |
| 3.3.3 独立建筑物模型的范围与完整点云提取 | 第37-38页 |
| 3.4 实验情况与结果分析 | 第38-47页 |
| 3.4.1 实验一 | 第38-43页 |
| 3.4.2 实验二 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 单体化建筑物点云的实体模型构建方法 | 第48-58页 |
| 4.1 单体建筑物模型 | 第48-49页 |
| 4.2 参数模型与非参数模型相结合的建模方案 | 第49-53页 |
| 4.2.1 基本模型库建立与模型匹配 | 第50-51页 |
| 4.2.2 特征数据获取与优化 | 第51-53页 |
| 4.2.3 多面体模型构建 | 第53页 |
| 4.3 建筑物单体化模型纹理映射方法 | 第53-56页 |
| 4.3.1 多面体多边形纹理投影单元计算 | 第54页 |
| 4.3.2 纹理影像选取 | 第54-55页 |
| 4.3.3 单体化模型纹理影像颜色调整 | 第55-56页 |
| 4.4 实验与分析 | 第56-57页 |
| 4.4.1 实验一 | 第56页 |
| 4.4.2 实验二 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 软件设计与实现 | 第58-63页 |
| 5.1 软件系统框架设计 | 第58-59页 |
| 5.2 软件实现结果 | 第59-62页 |
| 5.2.1 软件运行环境 | 第59页 |
| 5.2.2 软件功能组成 | 第59-60页 |
| 5.2.3 软件部分成果 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-67页 |
| 6.1 本文的主要成果 | 第63-65页 |
| 6.2 技术发展的展望 | 第65-66页 |
| 6.3 应用的展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 | 第73页 |