激光点云数据索引和压缩方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容 | 第11-13页 |
| 2 三维激光扫描技术 | 第13-22页 |
| 2.1 三维激光扫描系统工作原理 | 第13-16页 |
| 2.1.1 三维激光扫描系统扫描原理 | 第13-14页 |
| 2.1.2 定向原理 | 第14页 |
| 2.1.3 测距原理 | 第14-16页 |
| 2.1.4 测角原理 | 第16页 |
| 2.2 三维激光扫描系统设备组成 | 第16-17页 |
| 2.3 三维激光扫描系统分类 | 第17页 |
| 2.4 经典三维激光扫描系统介绍 | 第17-18页 |
| 2.5 三维激光扫描应用领域 | 第18-22页 |
| 3 三维激光扫描数据处理 | 第22-34页 |
| 3.1 三维激光扫描数据获取 | 第22-24页 |
| 3.1.1 现场踏勘 | 第22-23页 |
| 3.1.2 方案设计 | 第23页 |
| 3.1.3 控制点布设 | 第23页 |
| 3.1.4 测站点布设 | 第23页 |
| 3.1.5 标靶点布设 | 第23-24页 |
| 3.1.6 数据采集 | 第24页 |
| 3.2 三维激光扫描数据预处理 | 第24-31页 |
| 3.2.1 点云数据去噪 | 第25-27页 |
| 3.2.2 点云数据配准 | 第27-29页 |
| 3.2.3 点云数据曲面拟合 | 第29-31页 |
| 3.3 三维激光扫描误差分析 | 第31-32页 |
| 3.3.1 系统误差 | 第31页 |
| 3.3.2 偶然误差 | 第31页 |
| 3.3.3 粗差 | 第31-32页 |
| 3.4 三维模型重建 | 第32-33页 |
| 3.4.1 三维建模 | 第32-33页 |
| 3.4.2 纹理映射 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 点云数据索引 | 第34-50页 |
| 4.1 点云数据特点 | 第34页 |
| 4.2 常用点云数据索引算法 | 第34-42页 |
| 4.2.1 基于KD树的点云数据索引 | 第35-37页 |
| 4.2.2 基于格网的点云数据索引 | 第37-38页 |
| 4.2.3 基于R树的点云数据索引 | 第38-39页 |
| 4.2.4 基于八叉树的点云数据索引 | 第39-40页 |
| 4.2.5 基于四叉树的点云数据索引 | 第40-42页 |
| 4.3 改进的点云数据四叉树索引算法 | 第42-46页 |
| 4.3.1 点云数据空间索引设计原则 | 第42页 |
| 4.3.2 点云数据四叉树索引的改进 | 第42-43页 |
| 4.3.3 改进的点云数据四叉树索引构建方法 | 第43-46页 |
| 4.4 实验与分析 | 第46-49页 |
| 4.4.1 改进的点云数据四叉树索引实验 | 第46-47页 |
| 4.4.2 实验结果对比与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 点云数据压缩 | 第50-73页 |
| 5.1 点云数据压缩评估准则 | 第50页 |
| 5.2 常用点云数据压缩算法 | 第50-59页 |
| 5.2.1 法矢量夹角采样法 | 第50-52页 |
| 5.2.2 随机采样法 | 第52-54页 |
| 5.2.3 均匀网格采样法 | 第54-56页 |
| 5.2.4 坐标增量法 | 第56-58页 |
| 5.2.5 区域重心压缩算法 | 第58-59页 |
| 5.3 改进的区域重心压缩算法 | 第59-62页 |
| 5.3.1 点云数据压缩算法设计原则 | 第59-60页 |
| 5.3.2 区域重心压缩算法的改进 | 第60页 |
| 5.3.3 改进的区域重心压缩算法 | 第60-62页 |
| 5.4 实验与分析 | 第62-72页 |
| 5.4.1 改进的区域重心压缩算法实验 | 第62-68页 |
| 5.4.2 实验结果对比与分析 | 第68-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-74页 |
| 6.1 结论 | 第73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间竞赛获奖及论文发表情况 | 第79页 |
