基于聚类方法的点云分割技术的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景及意义 | 第8-10页 |
| 1.3 国内外发展现状 | 第10-13页 |
| 1.3.1 国内发展现状 | 第11-12页 |
| 1.3.2 国外发展现状 | 第12-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 第2章 估计点云的法向量 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 KNN算法 | 第14-17页 |
| 2.2.1 KNN简介 | 第14-15页 |
| 2.2.2 KNN算法过程 | 第15-16页 |
| 2.2.3 搜索近邻点 | 第16-17页 |
| 2.3 矢量积的改进 | 第17-20页 |
| 2.3.1 矢量积的分析 | 第17页 |
| 2.3.2 矢量积的改进过程 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 高斯图分割 | 第21-38页 |
| 3.1 引言 | 第21页 |
| 3.2 高斯映射的基本理论 | 第21-24页 |
| 3.2.1 高斯映射的定义 | 第21页 |
| 3.2.2 采样点集的高斯映射 | 第21-24页 |
| 3.3 模糊理论基础 | 第24-26页 |
| 3.3.1 模糊集合的概念 | 第24页 |
| 3.3.2 模糊集合的表示方法 | 第24-25页 |
| 3.3.3 模糊划分 | 第25-26页 |
| 3.4 模糊C-均值聚类算法 | 第26-29页 |
| 3.4.1 模糊C-均值聚类算法原理 | 第26-28页 |
| 3.4.2 模糊C-均值聚类算法的实现过程 | 第28-29页 |
| 3.4.3 模糊C-均值聚类算法存在的问题 | 第29页 |
| 3.5 模糊C-均值聚类算法的改进 | 第29-37页 |
| 3.5.1 模糊C-均值聚类算法的分析 | 第29-32页 |
| 3.5.2 自适应模糊C-均值聚类算法的提出 | 第32-33页 |
| 3.5.3 自适应模糊C-均值聚类算法的过程 | 第33-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 点云数据分割实验与分析 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 三维点云数据分割实验 | 第38-44页 |
| 4.2.1 模糊C-均值聚类算法改进前后对比 | 第39-40页 |
| 4.2.2 机械类零件的点云分割 | 第40-43页 |
| 4.2.3 鼠标点云的分割 | 第43-44页 |
| 4.3 点云分割的影响因素 | 第44-50页 |
| 4.3.1 参数ε_1对点云分割结果的影响 | 第45-49页 |
| 4.3.2 参数ε_2对点云分割结果的影响 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
