| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 点云压缩问题的定义 | 第14-16页 |
| 1.2.1 点云压缩的定义 | 第14页 |
| 1.2.2 点云压缩的衡量标准 | 第14-15页 |
| 1.2.3 点云压缩的应用需求 | 第15-16页 |
| 1.3 点云压缩方法的研究现状 | 第16-18页 |
| 1.3.1 国内外学者研究进展 | 第16页 |
| 1.3.2 常用的点云压缩算法 | 第16-18页 |
| 1.4 论文的研究内容和创新点 | 第18-19页 |
| 1.5 论文的章节安排 | 第19-21页 |
| 第二章 FPFH特征描述子 | 第21-28页 |
| 2.1 引言 | 第21页 |
| 2.2 点特征直方图 | 第21-23页 |
| 2.3 快速点特征直方图 | 第23-24页 |
| 2.4 PFH和FPFH的区别 | 第24页 |
| 2.5 FPFH特征分析 | 第24-26页 |
| 2.5.1 FPFH在不同位置的分布差异 | 第24-25页 |
| 2.5.2 抵御轻微噪声的能力 | 第25-26页 |
| 2.5.3 计算FPFH特征 | 第26页 |
| 2.6 小结 | 第26-28页 |
| 第三章 基于PCA的特征降维 | 第28-39页 |
| 3.1 引言 | 第28-29页 |
| 3.2 数据降维方法 | 第29-30页 |
| 3.3 PCA的原理 | 第30-31页 |
| 3.4 PCA变换的基本步骤 | 第31-32页 |
| 3.5 仿真实验与分析 | 第32-34页 |
| 3.6 基于PCA特征降维的评价分析 | 第34-38页 |
| 3.6.1 不同测试样本的特征降维与重建[43] | 第34-36页 |
| 3.6.2 不同维数下的特征重建 | 第36-38页 |
| 3.7 小结 | 第38-39页 |
| 第四章 基于模糊C均值聚类的点云分类 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.2 模糊聚类算法的概述 | 第40-41页 |
| 4.3 模糊C均值聚类的实现过程 | 第41-42页 |
| 4.4 基于模糊C均值聚类对比多种特征描述子 | 第42-49页 |
| 4.4.1 实验流程概述 | 第42-43页 |
| 4.4.2 比较聚类后两类特征集合的样本数目和方差分布 | 第43-46页 |
| 4.4.3 比较压缩模型与曲面重建模型效果 | 第46-48页 |
| 4.4.4 基于Hausdorff距离比较原始点云与压缩点云之间的压缩误差 | 第48-49页 |
| 4.5 小结 | 第49-51页 |
| 第五章 基于特征降维与模糊聚类的自适应点云压缩处理 | 第51-58页 |
| 5.1 引言 | 第51页 |
| 5.2 基于特征降维和模糊聚类的自适应点云压缩 | 第51-53页 |
| 5.2.1 设计点云压缩准则 | 第51-52页 |
| 5.2.2 算法的实现步骤 | 第52-53页 |
| 5.3 压缩算法的仿真实验 | 第53-56页 |
| 5.3.1 实验数据准备 | 第53页 |
| 5.3.2 实验结果分析 | 第53-56页 |
| 5.4 小结 | 第56-58页 |
| 第六章 基于泊松曲面重建的压缩效果对比 | 第58-64页 |
| 6.1 引言 | 第58页 |
| 6.2 曲面重建方法介绍 | 第58-59页 |
| 6.3 泊松曲面重建算法 | 第59-60页 |
| 6.3.1 泊松重建原理 | 第59-60页 |
| 6.3.2 泊松曲面重建算法的示例 | 第60页 |
| 6.4 基于泊松曲面重建的点云压缩效果对比 | 第60-63页 |
| 6.4.1 基于曲面重建的压缩效果对比 | 第61-62页 |
| 6.4.2 基于Hausdorff的压缩误差分析 | 第62-63页 |
| 6.5 小结 | 第63-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 7.1 总结 | 第64-65页 |
| 7.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录：攻读硕士期间研究成果 | 第72页 |
