激光雷达点云数据的三维建模技术
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-12页 |
| 1 综述 | 第12-20页 |
| ·选题意义及研究背景 | 第12-13页 |
| ·三维扫描技术应用领域 | 第13-14页 |
| ·国内外研究现状 | 第14页 |
| ·激光雷达扫描工作原理 | 第14-16页 |
| ·逆向工程的技术简介及意义 | 第16-17页 |
| ·本论文的主要内容及结构安排 | 第17-20页 |
| ·本论文的研究内容 | 第17页 |
| ·本论文结构安排 | 第17-20页 |
| 2 数据预处理 | 第20-36页 |
| ·常用的数据获取方法 | 第20-22页 |
| ·数据的表示方法及特点 | 第22-23页 |
| ·数据的表示方法 | 第22页 |
| ·点云数据的特点 | 第22-23页 |
| ·点云的类型 | 第23-24页 |
| ·异常点的处理 | 第24-26页 |
| ·数据的平滑 | 第26-27页 |
| ·点云的三维变换 | 第27-30页 |
| ·点云平移 | 第28页 |
| ·点云的旋转 | 第28-30页 |
| ·点云的缩放 | 第30页 |
| ·点云的曲面拟合 | 第30-33页 |
| ·深度图像配准的主要方法 | 第33-36页 |
| ·特征点对应法 | 第33-35页 |
| ·散乱点的配准 | 第35-36页 |
| 3 点云数据配准 | 第36-52页 |
| ·多视图数据配准的方法 | 第36-42页 |
| ·ICP算法 | 第36-39页 |
| ·四元数法 | 第39-40页 |
| ·SVD法 | 第40-42页 |
| ·ICP算法的改进方法 | 第42-46页 |
| ·确定特征点集 | 第43-45页 |
| ·基于三个基准点的初始配准 | 第45-46页 |
| ·多视图数据配准误差分析 | 第46-48页 |
| ·邻域搜索算法 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 4 点云数据三角网格化 | 第52-58页 |
| ·网格的定义 | 第52-53页 |
| ·Voronoi图 | 第53-54页 |
| ·Delaunay三角剖分综述 | 第54-56页 |
| ·Crust算法点云数据网格化 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 5 实验步骤与结果 | 第58-72页 |
| ·实验环境 | 第58页 |
| ·实验流程 | 第58-61页 |
| ·提取特征数据点集流程 | 第58-59页 |
| ·改进的ICP算法流程 | 第59-60页 |
| ·点云三角网格化流程 | 第60-61页 |
| ·二维数据的试验结果与分析 | 第61-64页 |
| ·二维数据的格式 | 第61页 |
| ·相邻两次扫描点云的相关性分析 | 第61-63页 |
| ·特征点提取效果 | 第63-64页 |
| ·配准结果的比较 | 第64页 |
| ·三维数据的试验结果 | 第64-69页 |
| ·点云特征点的提取效果 | 第64-65页 |
| ·三维数据的实验结果 | 第65-67页 |
| ·网格化结果 | 第67-69页 |
| ·实验结果分析 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| ·论文总结 | 第72页 |
| ·工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-82页 |
| 学位论文数据集 | 第82页 |
