点云模型的L1-中心骨架
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 论文课题来源 | 第11页 |
| 1.2 相关工作 | 第11-13页 |
| 1.2.1 基于网格模型的骨架提取 | 第12-13页 |
| 1.2.2 基于点云模型的骨架提取 | 第13页 |
| 1.3 本文的工作 | 第13-14页 |
| 1.4 内容组织 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 ROSA 点云骨架提取方法 | 第15-20页 |
| 2.1 ROSA 点 | 第15-16页 |
| 2.2 最优切平面 | 第16页 |
| 2.3 提取骨架 | 第16-19页 |
| 2.3.1 与 ROSA 方法做对比 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 L_1-中心骨架理论基础 | 第20-30页 |
| 3.1 L_1中值 | 第20-24页 |
| 3.1.1 L_1中值的定义 | 第21页 |
| 3.1.2 局部L_1中值 | 第21-22页 |
| 3.1.3 迭代求解局部 1中值 | 第22-24页 |
| 3.2 规整化 | 第24-27页 |
| 3.2.1 点分布情况分析 | 第24-26页 |
| 3.2.2 带点分布度量的规整项 | 第26-27页 |
| 3.3 与 MEAN SHIFT 聚类算法类比 | 第27-28页 |
| 3.4 局部稠密度权重 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 L_1-中心骨架提取算法 | 第30-42页 |
| 4.1 点云随机下采样及点云邻域 | 第31页 |
| 4.2 采样点迭代收缩并提取骨架 | 第31-37页 |
| 4.2.1 求基于L_1中值的点云收缩步骤 | 第32-33页 |
| 4.2.2 骨架分支的构建、延展及连接 | 第33-36页 |
| 4.2.3 逐步扩大邻域范围 | 第36-37页 |
| 4.3 邻域歧义 | 第37-38页 |
| 4.3.1 加强内部信息 | 第37-38页 |
| 4.3.2 点云预分割 | 第38页 |
| 4.4 点云骨架增强 | 第38-40页 |
| 4.4.1 点云骨架平滑化 | 第39页 |
| 4.4.2 点云骨架中心化 | 第39-40页 |
| 4.5 基于骨架的点云补全 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 点云骨架提取系统 | 第42-57页 |
| 5.1 系统描述 | 第42-45页 |
| 5.1.1 开发和测试环境 | 第42页 |
| 5.1.2 系统框架设计 | 第42-45页 |
| 5.2 主要数据结构及邻域搜索 | 第45-47页 |
| 5.2.1 基本数据结构 | 第45页 |
| 5.2.2 点云邻域搜索算法 | 第45-47页 |
| 5.3 采样点收缩和骨架提取算法实现 | 第47-51页 |
| 5.3.1 算法主流程 | 第48-50页 |
| 5.3.2 基于L_1中值的点云收缩算法流程 | 第50-51页 |
| 5.4 点云骨架中心化及点云补全算法流程 | 第51页 |
| 5.5 系统交互设计 | 第51-53页 |
| 5.5.1 系统主界面 | 第51-52页 |
| 5.5.2 系统参数设置界面 | 第52-53页 |
| 5.6 实验结果分析 | 第53-54页 |
| 5.7 主要参数说明 | 第54-55页 |
| 5.8 算法性能分析 | 第55-56页 |
| 5.9 本章小结 | 第56-57页 |
| 第6章 总结和展望 | 第57-58页 |
| 6.1 本文算法局限性 | 第57页 |
| 6.2 本文工作总结 | 第57页 |
| 6.3 进一步工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |
