| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景与意义 | 第9-11页 |
| 1.2.1 研究背景 | 第9-10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 三维激光扫描技术国内外研究现状 | 第11-13页 |
| 1.3.2 点云数据滤波方法的研究现状 | 第13-14页 |
| 1.4 本文研究的主要内容 | 第14-15页 |
| 第二章 三维激光扫描系统与数据滤波 | 第15-28页 |
| 2.1 三维激光扫描技术 | 第15-23页 |
| 2.1.1 地面三维激光扫描系统的工作原理 | 第16-17页 |
| 2.1.2 三维激光扫描系统的分类 | 第17-21页 |
| 2.1.3 三维激光扫描系统工作流程与特点 | 第21-23页 |
| 2.2 三维激光扫描数据噪声分析 | 第23-25页 |
| 2.2.1 点云数据噪声的来源 | 第23-24页 |
| 2.2.2 点云数据的分类 | 第24-25页 |
| 2.3 点云数据的滤波 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 BP 神经网络 | 第28-39页 |
| 3.1 人工神经网络 | 第28-29页 |
| 3.2 BP 神经网络理论 | 第29-31页 |
| 3.2.1 BP 神经网络结构 | 第30页 |
| 3.2.2 BP 神经网络模型 | 第30-31页 |
| 3.2.3 BP 神经网络功能与特点 | 第31页 |
| 3.3 BP 神经网络学习算法 | 第31-34页 |
| 3.4 基于 MATLAB 的神经网络训练函数 | 第34-38页 |
| 3.4.1 BP 神经网络设计基础 | 第34-37页 |
| 3.4.2 BP 算法的训练实现 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于 BP 神经网络的点云数据滤波 | 第39-59页 |
| 4.1 基于 GEOMAGIC STUDIO 软件的点云数据去噪实验 | 第39-45页 |
| 4.2 规则网格数学形态学点云滤波 | 第45-50页 |
| 4.2.1 离散数据的规则网格组织 | 第46-47页 |
| 4.2.2 规则网格数学形态学滤波步骤 | 第47-48页 |
| 4.2.3 实验及结论 | 第48-50页 |
| 4.3 基于 BP 神经网络模型的点云数据滤波 | 第50-52页 |
| 4.3.1 模型的建立 | 第50-52页 |
| 4.3.2 滤波步骤 | 第52页 |
| 4.4 应用实例 | 第52-56页 |
| 4.4.1 实验过程 | 第52-56页 |
| 4.2.2 算法实现步骤 | 第56页 |
| 4.5 滤波效果分析 | 第56-58页 |
| 4.5.1 定性分析 | 第56-57页 |
| 4.5.2 定量分析 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-62页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |