基于车载三维激光扫描数据的分类与建筑物提取
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文结构 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 车载扫描系统原理与数据预处理 | 第15-31页 |
| 2.1 三维激光扫描技术分类及原理 | 第15-18页 |
| 2.2 车载激光扫描系统 | 第18-21页 |
| 2.2.1 数据获取过程 | 第18-20页 |
| 2.2.2 工作特点以及优缺点 | 第20-21页 |
| 2.3 激光扫描点云数据 | 第21-24页 |
| 2.3.1 车载点云数据 | 第22页 |
| 2.3.2 其他点云数据 | 第22-23页 |
| 2.3.3 不同平台获取的点云数据对比 | 第23-24页 |
| 2.4 车载点云数据处理的技术路线 | 第24-30页 |
| 2.4.1 误差分析 | 第25-26页 |
| 2.4.2 点云精简 | 第26页 |
| 2.4.3 数据去噪光顺 | 第26-28页 |
| 2.4.4 点云数据分割 | 第28-29页 |
| 2.4.5 曲面重构 | 第29-30页 |
| 2.4.6 点云数据配准 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 残差分析与区域生长的建筑物点云分类算法 | 第31-47页 |
| 3.1 建筑物点云分类方法介绍 | 第31-33页 |
| 3.1.1 线性回归和坡度差值的方法 | 第31-32页 |
| 3.1.2 数学形态学原理法 | 第32-33页 |
| 3.2 建筑物点云分类实验算法概述 | 第33-46页 |
| 3.2.1 点云法向量估计 | 第36-38页 |
| 3.2.2 Kd树与K近邻搜索 | 第38-39页 |
| 3.2.3 局部区域平面拟合与残差估计 | 第39-43页 |
| 3.2.4 基于点云区域生长的分类 | 第43-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 建筑物提取实验 | 第47-56页 |
| 4.1 实验片区概况 | 第47-48页 |
| 4.2 实验平台和数据 | 第48-50页 |
| 4.3 点云粗分类与区域生长 | 第50-53页 |
| 4.4 实验对比分析 | 第53-56页 |
| 第五章 结论与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录A (攻读学位其间发表论文目录) | 第63页 |
