| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-15页 |
| 1.1 课题背景 | 第10-15页 |
| 1.1.1 研究现状 | 第10-12页 |
| 1.1.2 课题目标,研究内容以及研究意义 | 第12-13页 |
| 1.1.3 论文组织结构 | 第13-15页 |
| 第2章 理论基础 | 第15-21页 |
| 2.1 高斯分布函数 | 第15页 |
| 2.2 四元数 | 第15-16页 |
| 2.3 奇异值分解 | 第16页 |
| 2.4 凸函数 | 第16-17页 |
| 2.5 线性变换 | 第17页 |
| 2.6 Delaunay三角化 | 第17页 |
| 2.7 IRLS (iteratively reweighted least square) | 第17-18页 |
| 2.8 拓扑网络 | 第18-19页 |
| 2.9 ICP (iterative closest point) | 第19页 |
| 2.10 Trimmed ICP (trimmed iterative closest point) | 第19页 |
| 2.11 熵增加理论[33] | 第19-20页 |
| 2.12 本章小结 | 第20-21页 |
| 第3章 配准策略的设计 | 第21-27页 |
| 3.1 最小拓扑单元分析 | 第21-23页 |
| 3.1.1 局部拓扑结构 | 第21-22页 |
| 3.1.2 局部迭代分析 | 第22-23页 |
| 3.2 同源区配准分析 | 第23-26页 |
| 3.2.1 熵减现象 | 第23-24页 |
| 3.2.2 同源区分位概率获取自适应函数设计 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第4章 配准算法的设计 | 第27-36页 |
| 4.1 Bi-ICP算法 | 第27-30页 |
| 4.1.1 Bi-ICP算法的理论基础分析 | 第27-30页 |
| 4.1.2 Bi-ICP算法的速度分析 | 第30页 |
| 4.2 Partition-Based-Trimmed-ICP算法 | 第30-33页 |
| 4.2.1 Partition-Based-Trimmed-ICP算法描述 | 第30-31页 |
| 4.2.2 Pruning ε-球的速度分析 | 第31-32页 |
| 4.2.3 Partition-Based-Trimmed-ICP算法的精度分析 | 第32-33页 |
| 4.3 融合算法 | 第33-34页 |
| 4.3.1 融合算法的理论基础分析 | 第33页 |
| 4.3.2 融合算法的速度分析 | 第33-34页 |
| 4.4 本章小结 | 第34-36页 |
| 第5章 算法实现中关键技术与模型 | 第36-40页 |
| 5.1 结构光和Delaunay Triangulation | 第36-38页 |
| 5.1.1 结构光理论与基础 | 第36-37页 |
| 5.1.2 Delaunay Triangulation的建立 | 第37页 |
| 5.1.3 基于结构光理论的DT实现 | 第37页 |
| 5.1.4 DT实现及适用范围扩展研究 | 第37-38页 |
| 5.2 同源点对的模型建立 | 第38-39页 |
| 5.2.1 邻近点分布模型 | 第38-39页 |
| 5.2.2 同源点对的分布模型 | 第39页 |
| 5.3 本章小结 | 第39-40页 |
| 第6章 实验与结果 | 第40-53页 |
| 6.1 配准算法的实验结果 | 第40-47页 |
| 6.1.1 Partion-Based-Trimmed ICP的实验结果与对比 | 第40-44页 |
| 6.1.2 Bi-ICP的实验结果与对比 | 第44-45页 |
| 6.1.3 基于同源区逼近的配准的实验结果与对比 | 第45-46页 |
| 6.1.4 融合算法的实验结果与对比 | 第46-47页 |
| 6.2 多幅点云配准策略的实验结果与对比 | 第47页 |
| 6.3 三维物体重建的实验结果 | 第47-52页 |
| 6.4 本章小结 | 第52-53页 |
| 第7章 总结与展望 | 第53-55页 |
| 7.1 论文工作总结 | 第53页 |
| 7.2 下一步研究工作的展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60页 |
