三维激光点云的特征提取及聚类精简算法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 三维激光扫描技术的国内外发展现状 | 第10-12页 |
| 1.2.2 点云特征提取国内外研究现状 | 第12-13页 |
| 1.2.3 点云聚类国内外研究现状 | 第13页 |
| 1.2.4 点云精简国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容与技术路线 | 第15-17页 |
| 2 三维激光扫描技术理论基础 | 第17-37页 |
| 2.1 三维激光扫描系统 | 第17-22页 |
| 2.1.1 三维激光扫描系统工作原理 | 第17-19页 |
| 2.1.2 三维激光扫描坐标系统 | 第19页 |
| 2.1.3 三维激光扫描系统分类 | 第19-22页 |
| 2.2 三维激光扫描技术的特点及应用领域 | 第22-27页 |
| 2.2.1 三维激光扫描技术的特点 | 第22-23页 |
| 2.2.2 常用点云数据存储格式 | 第23-24页 |
| 2.2.3 三维激光扫描技术的应用领域 | 第24-27页 |
| 2.3 三维激光扫描点云数据预处理 | 第27-36页 |
| 2.3.1 点云数据 | 第27-29页 |
| 2.3.2 点云信息拼接 | 第29-31页 |
| 2.3.3 点云数据噪声处理 | 第31-33页 |
| 2.3.4 点云数据精简 | 第33-35页 |
| 2.3.5 点云数据分割 | 第35-36页 |
| 2.4 小结 | 第36-37页 |
| 3 点云特征提取研究 | 第37-52页 |
| 3.1 经典点云特征提取方法 | 第37-40页 |
| 3.1.1 基于曲率和法矢 | 第37页 |
| 3.1.2 曲率和法矢的估算 | 第37-40页 |
| 3.2 基于多判别参数混合方法的散乱点云特征提取 | 第40-47页 |
| 3.2.1 空间拓扑结构的建立 | 第40-44页 |
| 3.2.2 特征判别参数的计算 | 第44-47页 |
| 3.2.3 特征点的判别 | 第47页 |
| 3.3 实验结果与分析 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 点云K-MEANS聚类算法研究 | 第52-59页 |
| 4.1 传统点云K-MEANS聚类算法 | 第52-55页 |
| 4.1.1 算法概述 | 第52-54页 |
| 4.1.2 算法基本要素 | 第54页 |
| 4.1.3 算法特点 | 第54-55页 |
| 4.2 基于自适应八叉树的点云K-MEANS聚类 | 第55-56页 |
| 4.2.1 算法概述 | 第55-56页 |
| 4.2.2 算法流程 | 第56页 |
| 4.3 实验结果与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 点云精简算法研究 | 第59-65页 |
| 5.1 经典点云精简方法 | 第59-62页 |
| 5.1.1 随机精简法 | 第60页 |
| 5.1.2 栅格精简法 | 第60-61页 |
| 5.1.3 曲率精简法 | 第61页 |
| 5.1.4 点云精简算法评价指标 | 第61-62页 |
| 5.2 自适应K-MEANS聚类的散乱点云精简 | 第62-64页 |
| 5.2.1 算法流程 | 第62页 |
| 5.2.2 K-means聚类精简 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73页 |
