| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究背景与意义 | 第9-10页 |
| 1.2 基于三维点云的分类和识别问题的国内外研究现状 | 第10-12页 |
| 1.3 基于深度学习的三维点云分类和识别问题的国内外研究现状 | 第12-14页 |
| 1.4 研究现状总结 | 第14-15页 |
| 1.5 本文研究方法内容以及主要贡献 | 第15页 |
| 1.6 论文结构 | 第15-16页 |
| 1.7 本章小结 | 第16-17页 |
| 第二章 基于B样条曲面的点云预处理方法 | 第17-24页 |
| 2.1 B样条曲面拟合 | 第17-18页 |
| 2.1.1 B样条曲面方程 | 第17-18页 |
| 2.1.2 B样条曲面拟合 | 第18页 |
| 2.2 点云滤波 | 第18-19页 |
| 2.3 采样分析 | 第19-20页 |
| 2.4 B样条曲面的点云预处理实验结果和分析 | 第20-23页 |
| 2.4.1 实验数据集 | 第20-21页 |
| 2.4.2 实验结果和分析 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于等距变换的点云特征匹配算法 | 第24-32页 |
| 3.1 特征点匹配 | 第24-26页 |
| 3.1.1 点的特征定义 | 第24-25页 |
| 3.1.2 点的特征计算 | 第25-26页 |
| 3.1.3 点的特征匹配 | 第26页 |
| 3.2 等距计算 | 第26-27页 |
| 3.3 等距分类 | 第27-28页 |
| 3.3.1 直接等距和间接等距 | 第27-28页 |
| 3.3.2 快速等距分类方法 | 第28页 |
| 3.4 等距比较 | 第28-29页 |
| 3.5 基于等距变换的特征匹配实验结果分析 | 第29-31页 |
| 3.5.1 特征提取实验结果分析 | 第29-30页 |
| 3.5.2 基于等距分类的点云匹配实验分析 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于曲面相似性检测的点云识别算法 | 第32-48页 |
| 4.1 归一化处理 | 第32-34页 |
| 4.2 相似性检测 | 第34-35页 |
| 4.2.1 谱聚类算法 | 第34页 |
| 4.2.2 高斯相似度参数σ | 第34-35页 |
| 4.2.3 聚类簇数量K | 第35页 |
| 4.3 物体形状识别 | 第35-38页 |
| 4.3.1 相似性度量 | 第35-36页 |
| 4.3.2 阈值选取与性能评估 | 第36-38页 |
| 4.4 算法流程图 | 第38-40页 |
| 4.5 基于曲面相似性检测的点云识别实验结果和分析 | 第40-47页 |
| 4.5.1 等距变换下的鲁棒性分析 | 第40页 |
| 4.5.2 阈值选取和确定 | 第40-41页 |
| 4.5.3 数据集Tosca的鲁棒性分析 | 第41-43页 |
| 4.5.4 数据集Mcgill的实验结果分析 | 第43页 |
| 4.5.5 人脸库Tosca的实验结果分析 | 第43-45页 |
| 4.5.6 算法性能分析和比较 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |
