| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第7-12页 |
| 1.1 点云的配准 | 第8-10页 |
| 1.2 点云的法向估计 | 第10-12页 |
| 2 问题描述 | 第12-15页 |
| 2.1 预备知识 | 第12页 |
| 2.2 点云法向估计问题 | 第12-13页 |
| 2.3 点云配准问题 | 第13-15页 |
| 3 国内外相关工作研究现状 | 第15-19页 |
| 3.1 点云法向估计问题研究现状 | 第15-16页 |
| 3.1.1 拟合点邻域的方法 | 第15-16页 |
| 3.1.2 基于投票技术的法向估计方法 | 第16页 |
| 3.1.3 基于邻域划分的法向估计方法 | 第16页 |
| 3.2 点云配准问题研究现状 | 第16-19页 |
| 3.2.1 迭代最近点(ICP)算法 | 第17-18页 |
| 3.2.2 改进的迭代最近点算法 | 第18-19页 |
| 4 基于邻域偏移的法向估计算法 | 第19-36页 |
| 4.1 特征点的选取与分类 | 第19-20页 |
| 4.2 各向异性邻域的构造 | 第20-29页 |
| 4.2.1 边点的邻域构造 | 第20-24页 |
| 4.2.2 角点的邻域构造 | 第24-26页 |
| 4.2.3 特殊特征点邻域的构造 | 第26-28页 |
| 4.2.4 法向的计算 | 第28-29页 |
| 4.3 实验结果 | 第29-36页 |
| 5 点对一致性投票法向估计算法与法向估计Benchmark | 第36-45页 |
| 5.1 点对一致性投票(PCV) | 第36-39页 |
| 5.1.1 已有的基于投票的算法 | 第37-38页 |
| 5.1.2 点对一致性投票(PCV) | 第38-39页 |
| 5.2 点对一致性多法向投票(PCV-MN) | 第39-40页 |
| 5.3 法向估计Benchmark | 第40-45页 |
| 6 点云匹配 | 第45-52页 |
| 6.1 基于机器视觉特征的点云匹配 | 第47-50页 |
| 6.2 基于深度学习特征的点云匹配 | 第50-52页 |
| 7 结语 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-59页 |