| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 1.4.1 本文的主要研究对象 | 第13-14页 |
| 1.4.2 本文的组织结构 | 第14-16页 |
| 第2章 相关理论知识 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 LIDAR | 第16-21页 |
| 2.2.1 LiDAR系统 | 第16-19页 |
| 2.2.2 LiDAR点云 | 第19-20页 |
| 2.2.3 LiDAR点云处理流程 | 第20-21页 |
| 2.3 滤波 | 第21-24页 |
| 2.3.1 基于斜率的滤波算法 | 第21-22页 |
| 2.3.2 线性预测滤波算法 | 第22页 |
| 2.3.3 形态学滤波方法 | 第22-23页 |
| 2.3.4 基于TIN的致密化滤波方法 | 第23页 |
| 2.3.5 基于聚类分割的滤波方法 | 第23-24页 |
| 2.4 特征提取分类 | 第24-27页 |
| 2.4.1 使用LiDAR点云位置信息进行特征提取 | 第24-26页 |
| 2.4.2 使用LiDAR辅助信息进行特征提取 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于自适应条带策略的LIDAR数据滤波方法 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 点云数据预处理 | 第28-31页 |
| 3.3 基于自适应条带策略的点云滤波方法 | 第31-38页 |
| 3.3.1 条带网格划分 | 第32-34页 |
| 3.3.2 加权多项式曲线拟合 | 第34-38页 |
| 3.3.3 数据点滤波分类 | 第38页 |
| 3.4 实验结果与分析 | 第38-44页 |
| 3.4.1 实验数据与评价指标 | 第38-39页 |
| 3.4.2 改进局部近邻点去噪实验结果与分析 | 第39-41页 |
| 3.4.3 滤波实验与结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于局部多特征分类的建筑物边缘提取方法 | 第45-62页 |
| 4.1 引言 | 第45-46页 |
| 4.2 利用回波信息进行点云分类 | 第46-48页 |
| 4.3 基于局部区域多特征的建筑物点云提取算法 | 第48-52页 |
| 4.3.1 聚类分割 | 第48-49页 |
| 4.3.2 特征选择 | 第49-50页 |
| 4.3.3 特征分类策略 | 第50-52页 |
| 4.4 基于改进扫描线算法的边缘提取算法 | 第52-53页 |
| 4.5 实验结果与分析 | 第53-61页 |
| 4.5.1 利用回波信息进行点云分类实验与结果分析 | 第53-56页 |
| 4.5.2 基于局部多特征分类的建筑物提取实验与分析 | 第56-59页 |
| 4.5.3 改进扫描线算法边缘提取实验与分析 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-65页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介及在学期间所取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
