基于联合双边滤波器的点云特征保持滤波
摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第14-19页 |
1.1 点云滤波的研究背景与意义 | 第14-15页 |
1.2 点云滤波的挑战 | 第15-16页 |
1.3 研究内容及主要贡献 | 第16-17页 |
1.4 本文的组织结构 | 第17-19页 |
第二章 三维模型滤波方法综述 | 第19-33页 |
2.1 联合双边滤波 | 第19-23页 |
2.1.1 双边滤波 | 第19-20页 |
2.1.2 联合双边滤波 | 第20-23页 |
2.2 三维模型去噪 | 第23-28页 |
2.2.1 网格去噪 | 第23-24页 |
2.2.2 点云去噪 | 第24-28页 |
2.3 细节特征去除 | 第28-31页 |
2.3.1 尺度相关的二维图像纹理去噪 | 第28-29页 |
2.3.2 网格的多尺度几何特征去除 | 第29-30页 |
2.3.3 点云的多尺度几何特征去除 | 第30-31页 |
2.4 三维模型特征结构检测与分析 | 第31-33页 |
2.4.1 网格特征检测 | 第31页 |
2.4.2 点云特征检测 | 第31-33页 |
第三章 预备知识 | 第33-44页 |
3.1 相关记号 | 第33页 |
3.2 几个点云处理算法 | 第33-42页 |
3.2.1 L1中值骨架 | 第34-35页 |
3.2.2 鲁棒隐式移动最小二乘法 | 第35-37页 |
3.2.3 加权局部最优投影 | 第37-38页 |
3.2.4 边缘感知重采样 | 第38-39页 |
3.2.5 L0点云滤波 | 第39-42页 |
3.3 点云模型上的噪声合成 | 第42-43页 |
3.4 滤波误差定义 | 第43-44页 |
第四章 尖锐特征保持的点云引导去噪 | 第44-69页 |
4.1 概述 | 第44-45页 |
4.2 算法框架 | 第45-46页 |
4.3 点云模型的特征结构分析 | 第46-49页 |
4.3.1 候选特征点检测 | 第46页 |
4.3.2 特征点重采样 | 第46-49页 |
4.4 多法向初始化 | 第49-51页 |
4.5 引导法向量滤波 | 第51-52页 |
4.6 顶点位置更新 | 第52-53页 |
4.6.1 离群点检测和投影 | 第53页 |
4.7 算法实现讨论 | 第53-56页 |
4.7.1 尖锐特征结构分析 | 第53-54页 |
4.7.2 多法向量场初始化 | 第54页 |
4.7.3 引导法向量滤波 | 第54-55页 |
4.7.4 顶点位置更新 | 第55-56页 |
4.8 实验讨论与分析 | 第56-65页 |
4.8.1 参数分析 | 第56-59页 |
4.8.2 运行时间分析 | 第59页 |
4.8.3 多法向和非均匀采样 | 第59-61页 |
4.8.4 去噪算法比较 | 第61-65页 |
4.8.5 局限性 | 第65页 |
4.9 小结 | 第65-69页 |
第五章 基于滚动法向滤波的点云模型细节特征去除 | 第69-90页 |
5.1 概述 | 第69-70页 |
5.2 细节特征及其尺度 | 第70-72页 |
5.3 点云法向量场的滚动滤波 | 第72-73页 |
5.3.1 小尺度特征抹除 | 第73页 |
5.3.2 大尺度特征恢复 | 第73页 |
5.4 特征感知的顶点位置更新 | 第73-78页 |
5.4.1 法向量约束 | 第74-75页 |
5.4.2 顶点位置约束 | 第75-76页 |
5.4.3 数值求解 | 第76-77页 |
5.4.4 尖锐特征保持与多法向策略 | 第77-78页 |
5.5 算法实现讨论 | 第78-80页 |
5.5.1 点云滚动法向量滤波 | 第78-79页 |
5.5.2 顶点位置更新 | 第79-80页 |
5.6 实验结果展示、分析与比较 | 第80-87页 |
5.6.1 视觉效果 | 第80页 |
5.6.2 参数分析 | 第80-82页 |
5.6.3 收敛性分析 | 第82-83页 |
5.6.4 算法效率分析 | 第83页 |
5.6.5 对比实验 | 第83-87页 |
5.7 小结 | 第87-90页 |
第六章 总结与展望 | 第90-92页 |
参考文献 | 第92-99页 |
攻读博士学位期间取得的研究成果 | 第99-101页 |
致谢 | 第101-102页 |
附件 | 第102页 |