摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 概述 | 第11-12页 |
1.2 研究现状 | 第12-15页 |
1.2.1 大规模场景的三维重建研究现状 | 第12页 |
1.2.2 散乱点云的表面重建算法研究现状 | 第12-15页 |
1.3 本文研究内容及组织结构 | 第15-17页 |
1.3.1 研究内容及贡献 | 第15-16页 |
1.3.2 本文组织结构 | 第16-17页 |
第2章 基于图像的大规模场景重建 | 第17-39页 |
2.1 基于图像序列的稀疏点云重建 | 第17-26页 |
2.1.1 特征提取与匹配 | 第17-21页 |
2.1.2 摄像机模型 | 第21-23页 |
2.1.3 三维场景结构恢复 | 第23-26页 |
2.2 基于PMVS算法的稠密点云重建 | 第26-31页 |
2.2.1 面片模型 | 第27-28页 |
2.2.2 图像模型 | 第28-29页 |
2.2.3 特征提取与匹配 | 第29页 |
2.2.4 面片扩散 | 第29-30页 |
2.2.5 面片过滤 | 第30-31页 |
2.3 实验结果与分析 | 第31-37页 |
2.3.1 基于图像序列的稀疏点云重建结果与分析 | 第31-33页 |
2.3.2 基于PMVS的稠密点云重建结果与分析 | 第33页 |
2.3.3 部分室外场景点云重建结果 | 第33-37页 |
2.4 本章小结 | 第37-39页 |
第3章 基于Delaunay三角剖分的表面重建算法 | 第39-49页 |
3.1 Power Crust算法的相关理论 | 第39-43页 |
3.1.1 Voronoi图 | 第40页 |
3.1.2 Delaunay三角剖分 | 第40-41页 |
3.1.3 中心轴变换 | 第41页 |
3.1.4 采样点的极点 | 第41-42页 |
3.1.5 Power图 | 第42页 |
3.1.6 采样条件 | 第42-43页 |
3.2 Power Crust算法原理 | 第43页 |
3.3 Power Crust算法重建流程 | 第43-45页 |
3.4 Power Crust算法改进 | 第45-46页 |
3.4.1 不均匀降采样 | 第45-46页 |
3.4.2 拉普拉斯平滑 | 第46页 |
3.5 实验结果与分析 | 第46-48页 |
3.6 本章小结 | 第48-49页 |
第4章 基于泊松方程的表面重建算法 | 第49-63页 |
4.1 基于隐函数的表面重建算法 | 第49-50页 |
4.2 泊松表面重建算法 | 第50-53页 |
4.2.1 八叉树空间建立 | 第51-52页 |
4.2.2 计算向量场 | 第52页 |
4.2.3 泊松方程的求解 | 第52-53页 |
4.2.4 等值面提取 | 第53页 |
4.3 泊松表面重建改进算法 | 第53-56页 |
4.3.1 引入点集约束 | 第53-54页 |
4.3.2 屏蔽泊松方程的建立 | 第54-55页 |
4.3.3 求解屏蔽泊松方程 | 第55页 |
4.3.4 表面模型的优化 | 第55-56页 |
4.4 实验结果分析 | 第56-62页 |
4.4.1 改进算法重建结果比较与分析 | 第57-59页 |
4.4.2 改进算法不同参数变化实验结果比较与分析 | 第59-60页 |
4.4.3 不同八叉树深度重建结果比较与分析 | 第60-62页 |
4.5 本章小结 | 第62-63页 |
第5章 泊松表面重建并行化算法 | 第63-83页 |
5.1 GPU并行计算 | 第63-65页 |
5.1.1 图像处理器 | 第63页 |
5.1.2 CUDA计算架构 | 第63-65页 |
5.1.3 CUDA函数库 | 第65页 |
5.2 泊松表面重建并行化算法 | 第65-76页 |
5.2.1 并行化创建八叉树 | 第66-70页 |
5.2.2 并行化求解泊松方程 | 第70-74页 |
5.2.3 并行化等值面提取 | 第74-76页 |
5.3 实验结果与分析 | 第76-82页 |
5.4 本章小结 | 第82-83页 |
第6章 总结与展望 | 第83-85页 |
6.1 总结 | 第83-84页 |
6.2 展望 | 第84-85页 |
参考文献 | 第85-91页 |
致谢 | 第91-93页 |
攻读硕士期间发表的论文 | 第93页 |