一、基于物体表面散乱三维激光扫描点的三角形格网建立（论文文献综述）
赵明君[1]（2021）在《矿区地表点云建模与变形信息精确提取方法研究》文中研究说明三维激光扫描技术是变形监测技术中的一项重要技术。通过从获取的地表和建构筑物的点云数据中分析地表变形情况和建构筑物的稳定性是重要的研究方向之一。针对建构筑物点云数据中机构特征点提取算法复杂,自动化程度低、特征信息易损失;点云滤波算法自适应程度低、实用性差和滤波精度低;地表变形信息提取算法可靠性差,数据利用不充分等问题,提出相应的点云数据处理算法,并结合传统测量手段验证算法可靠性和实用性,取得了一定的研究成果。本文的主要研究内容和结果包括:（1）研究了建构筑物特征信息提取算法和变形信息计算。提出了一种基于Morse-Smale理论的建构筑物点云三维特征提取的算法,实现精细、自适应、自动化程度高的建构筑物特征点、特征线提取;通过改进区域生长算法的实现三维特征面点云数据的快速提取;通过对特征直线拟合,计算斜率进而计算建构筑物的倾斜情况,提出利用特征点的位置变化获取建构筑物的水平位移和下沉值;在特征线提取算法的基础上实现与AutoCAD的联合制图,实现物体三维轮廓的自动化绘图。（2）研究了点云滤波算法。以点云数据在空间不同维度分布特征不同为基础,构建线性判别分类器将植被点云与地面点云数据进行分类,实现基于点云空间分布特征的地表点云数据滤波算法。该算法与现有的滤波算法相比,滤波结果表明本文算法在仅有点云三维坐标值的情况下实现参数设置少,自适应程度高,滤波效果优良,实用性强的地面点云数据提取。（3）研究了地表点云数据变形提取算法。在分析基于地表点云计算变形信息的主要算法模型和影响点云变形值计算精度的三类因素后,提出一种多尺度下的模型到模型距离的点云变形计算算法（M2M算法）。以核心点集在法向量上投影的中心点间的距离作为点云变形距离。有效的克服了点云测量误差、点云粗糙度、配准误差对变形值计算的影响,得到可靠的地形变化估计。并且在选取的矿区的地表点云数据中计算出垂直方向M2M距离和多尺度M2M距离,将计算结果与实测数据对比,得出算法对于地表变形信息计算的精度。实现基于点云数据的地表变形在核心点、剖面线、区域表面三个层次上的变形信息计算与表达。图[90]表[10]参[83]
史红霞[2]（2021）在《面向点云数据法向量区域聚类的特征提取算法及其应用》文中指出随着三维激光扫描技术的飞速发展,精确有效地采集实际生产生活中各目标物表面数据信息从而获得该目标物高精度表面模型成为可能。而在基于各目标物点云数据进行三维模型重建时,模型特征提取的完整性和准确性成为影响模型重建的主要因素,同时,模型特征提取也是模型重建等后续工作的基础。因此,对点云数据进行特征提取成为了各领域的研究热点。在城乡发展规划领域,随着智慧城市、数字城市时代的到来,对整个室外环境进行建模成为必然选择。而建筑物是现代化城市中一个标志性地物,所以,如何有效提取出以建筑物为代表的室外地物点云模型的特征并对其进行建模是数字城市建设中的一个重要问题。针对上述分析,本文提出了法向量区域聚类分割的点云模型特征提取算法,并将该算法应用于室外场景中建筑物、车辆、长椅等典型地物的特征提取中,其中,在对室外场景地物进行特征提取前,结合布料模拟滤波算法和密度聚类法实现室外场景的语义划分。主要研究内容和结果如下:（1）针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取法。采用自适应邻域的主成分分析法（PCA）估算模型法向,利用萤火虫算法（FA）优化的模糊C均值聚类（FCM）算法对法向进行聚类进而实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。选取逆向工程领域中四种复杂度不同的几何模型进行试验。（2）应用所提算法对室外场景典型地物进行特征提取。先利用布料模拟滤波算法剔除原始点云数据集中的地面点,用自适应参数的密度聚类法实现非地面点不同地物的划分。然后取室外场景中建筑物、车辆、长椅三种典型地物,应用法向量区域聚类算法对这三种地物的特征进行识别。（3）逆向工程领域中四种几何模型的试验结果表明:算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征;室外场景中三类典型地物的试验结果表明:该算法可应用于室外场景地物的特征提取,能有效提取室外地物点云模型的主要特征,并且在保证点云密度及点云数据完整性的基础上对细节特征和过渡特征也具有一定的识别效果。
兰旭东[3]（2021）在《复杂曲面测量数据点云处理与重建技术研究》文中认为随着现代设计和空气动力学的深入发展,加工零件的几何构造变得个性化、复杂化。由于光学测量的不断发展,激光三维扫描技术在精度和效率上均有很大提高。本文以典型的汽轮机叶片为对象,通过对自行搭建三维激光扫描系统所采集点云的处理实验分析,得出各种去噪算法的原理及效果,提出针对散乱点云的排序算法和多幅点云快速拼接合并算法,研究散乱点云的曲面重建算法和孔洞修复,同时编写软件实例化验证分析。具体研究内容和主要研究结论如下。深入探究叶片测量数据的各种噪点去除算法,采用组合去噪算法,去除原始点云中各种杂余点。针对散乱点云中数据点杂乱无序的特点,研究网格和线性两种类型点云分布特征,提出层间排序和珠链排序算法,为后续点云快速检索和边界点处理提供数据基础。噪点去除完成后的单次采集点云只能呈现被测物体局部,为了得到完整的点云数据,探究基于ICP的点云拼接算法,分别讨论了粗加精配准的全局ICP拼接和局部参与计算输出拼接矩阵的两种拼接算法。通过计算被测物体小角度改变所得到的两幅相似点云,得出本次测量数据的旋转平移矩阵并保存,后以此角度为基准,倍率旋转采集,实现多角度拼接算法。提出基于近邻搜索的冗余点去除算法,去除重叠区域中大量冗余和重叠点。应用基于平面投影法和隐式函数法对散乱点云进行曲面网格重建,得出平滑完整的叶型三维模型,分析并得出两种方法在何种数据点云中重建效果更佳。分析基于径向基函数的孔洞修复算法,完成封闭性孔洞检测和边界线划分,并对平滑曲面中孔洞边界检测和修复进行实验验证。最后,本文利用VS2013与QT5.11.2搭建开发环境,使用C++语言设计开发点云处理与曲面重建系统软件,利用QT搭建出系统UI,以汽轮机叶片点云为实例,可视化显示并验证提出的各种算法的可行性和实用性。
何玉[4]（2021）在《基于光栅投影的配油盘尺寸测量与模型重建》文中研究说明液压元件是机械设备中常用的零部件,其模型和产品尺寸精度直接关系到机械设备的性能。现有的接触式测量方法检测效率较低,不适用于批量在线检测。针对该问题,本文以配油盘作为测量对象,利用光栅投影法获取配油盘的表面三维点云,进而从点云数据中提取关键尺寸并且重建三维模型。本文所做的工作为:首先,基于一种几何约束条件较为宽松的系统模型搭建了一套三维光学检测平台,使用了四步相移法求解相位主值,并利用双频外差法展开相位,进而根据绝对相位和系统标定得到的系统参数求解配油盘表面三维点云数据。其次,分别使用点云边缘自动提取算法和基于改进KD-tree邻域提取边缘算法来获得配油盘的边界点云数据,对比这两种算法的实验效果可知,点云边缘自动提取算法只能提取配油盘外圆轮廓边界点,而采用基于改进KD-tree邻域提取边缘算法能够有效提取完整的配油盘外圆和内部圆孔轮廓边界点,并且通过改变邻域点k值和角度阈值j,可以选择合适的配油盘边缘点。在此基础上,使用空间圆拟合算法对所提取的边界点数据进行拟合,计算得到配油盘外圆和内部圆孔半径,尺寸测量结果满足零部件检测精度要求。最后,基于配油盘的三维轮廓点云数据,分别使用Crust算法和增量网格重建算法重建配油盘三维模型。对比分析两种网格曲面重建算法实验结果可得,Crust算法三维重建得到的模型表面出现较多的孔洞,而采用增量网格重建算法能够获得更为完整的三维模型。综上,本文实现了配油盘表面三维点云数据的获取,从中提取部分尺寸参数,并且重建了配油盘三维模型。能够为相近的盘类液压元件的尺寸检测与模型重建提供技术与方法参考。图[25]表[8]参[62]
浦仕贵[5]（2021）在《不同地形复杂度地貌点云曲面构建技术方法研究》文中认为地面三维激光扫描技术作为一门新兴的测绘技术,是测绘领域继GPS技术之后的又一次技术革命,该技术能在短时间内对目标物体构建详细的三维模型。随着地面三维激光扫描系统硬件、软件的高速发展,该技术被广泛应用于变形监测、智慧城市建设、文化遗产保护、地形测绘以及灾害评估等领域。当今社会的高速发展对三维模型的需求量不断在增加,基于地面三维激光点云数据构建三维模型已经成为点云数据处理研究领域的热点问题之一,而曲面重建技术是构建三维模型的关键,也是近些年来研究的热点。对散乱复杂的点云数据进行曲面重建是曲面重建问题中的难点,针对不同地形复杂度地貌点云,为了合理、充分的使用点云数据,并构建出精度、质量更好的曲面,本文进行了以下几方面研究并得出相关结论:（1）采用基于网格的和基于截面技术的两种曲面构建方法,分别通过Geomagic Studio和Imageware两种常见的点云数据处理软件来实现,对同一区域的三组不同分辨率点云进行曲面构建研究分析,得出:通过Geomagic Studio软件构建曲面,选取合适的参数,点云数据的分辨率越高构建的曲面精度也就越高;通过Imageware软件构建曲面,由于其对点云数据的质量要求较高,且高分辨率点云中含有大量噪声点,与Geomagic Studio软件相反,选取合适的参数,点云数据的分辨率越高构建的曲面精度就越低。对两种软件构建的曲面进行比较,Geomagic Studio软件构建的曲面质量更佳,该曲面连续性、光滑性都较好。对于此类点云数据的曲面构建,Geomagic Studio软件及其构面方法更适用。（2）通过计算出点云数据的主曲率作为衡量地形复杂度的指标,依据低地形复杂度选取低分辨率点云,高地形复杂度选取高分辨率点云的原则,对同一区域的三组不同分辨率点云进行分割,将分割得到的点云拼接完整构建曲面,并与三组完整的不同分辨率点云构建的曲面进行比较,得出:该方法是一种可行有效的曲面构建方法。该方法构建的曲面,精度比低分辨率点云构建的曲面高,耗时比高分辨率点云构建的曲面少。（3）根据被测对象的地形特征对点云数据进行分块,先采用基于网格提取特征构建曲面的方法,对分块点云构建曲面,再将分块曲面拼接完整,并与未分块点云构建的曲面进行比较,得出:该曲面构建方法能有效提高曲面精度,且能更好的表达被测对象的地形特征。
罗秋慧[6]（2019）在《果园环境地形地貌重构技术研究》文中研究指明随着农业现代化的快速发展,农业生产领域对自动化农业机械尤其是无人驾驶农业机械的需求越来越多。林果生产是农业生产的重要领域,对无人驾驶耕作机械、无人驾驶采摘机械的需求也越来越多,同时又对生产成本十分敏感。无人驾驶技术主要包括环境感知技术、定位与导航技术和运动控制技术,其中环境感知技术是基础技术之一。目前,无人驾驶汽车技术发展很快,但其环境感知研究主要针对结构化道路环境和泊车环境,鲜有针对非结构化环境（如果园环境）进行的研究。本文针对农业生产对无人驾驶农机低成本的要求,以野外环境中果园地貌为对象,用低成本、少线束雷达为测量工具,通过识别果树、低矮植被及电线杆等地物,实现果园地形地貌重构和地图构建。主要研究内容如下:1.根据点云数据获取时点云的噪声点来源,采用距离限制的直通滤波方法限制点云数据处理范围,实现局部窗口设置。用基于数据统计的高斯滤波方法去除离群点,用体素网格滤波法对点云等距离抽稀处理,以达到控制点云数量又不改变被测物体形状的目的。针对的测量设备晃动引起的图像倾斜,采用向量叉乘法实现点云平面倾斜校准。2.针对少线束激光雷达测量时信息稀少的情况,提出一种基于地物点云侧投影分析法,实现局部范围内果树、低矮植被和电线杆的识别,完成窗口地物识别。本方法根据雷达的测量角度将点云数据进行YOZ坐标平面投影;利用八邻域搜索算法对地物点投影数据进行聚类,实现地物点云分块;对投影面进行网格划分和网格内地物点统计,实现空网格与非空网格的判断;采用由低至高逐层扫描法,进行非空网格相邻关系判断;依据相邻关系,用相邻非空网格高程值、跨度值及其突变实现窗口内果树、低矮植被和电线杆的识别。实验证明:该方法可以有效实现果园环境中果树、低矮植被和电线杆的识别。3.针对果园环境地物点云数据的散乱性和突变性,提出一种改进自适应组合配准算法,对不同点云数据进行配准,实现全局地形地貌感知。该方法根据局部环境的地形地貌特点用NDT算法进行相邻窗口地图初始配准;用ICP作为精确配准增加曲率作为匹配元素,用自适应点云匹配算法进行相邻窗口地图进行精配准。
孙苏玉[7]（2019）在《林区道路3D信息采集与建模方法研究》文中认为近年来,随着“智慧林业”的发展,林业作业环境信息快速精准感知技术的需求日益迫切,其中林区道路如防火道、采伐集材道等作为林区环境的重要组成部分,其3D详细信息的采集和模型处理具有重要的研究价值。在应急抢险等林区作业中,作业车辆如森林消防车等需要详细、实时的铺装和非铺装道路3D信息。未来林区智能装备也需要道路环境信息完成定位和路径规划等功能,以提高生产作业效率及安全性。目前国内外对路面模型的构建研究多以城市道路和高速公路为主,针对林区道路3D模型构建的相关研究较少。车载移动测量系统因其高效、快速、非接触等优点,已成为采集高速公路、城市道路及其两侧建筑物等地物信息3D数据的重要手段。本文利用激光扫描雷达、惯性测量单元IMU、GNSS接收机等仪器搭建了车载林区道路信息采集系统,并完成了系统外参数标定、典型林区道路信息采集,将采集到的数据融合后,研究了激光点云数据的快速处理方法,构建了较能反映实际路面3D信息的林区道路模型。本文首先研究了道路信息采集系统的参数设置方法,确定了系统定位模型,完成了系统的外标定和精度校验。其次,采集了鸾峰国家森林公园典型防火道路路面数据,并在MATLAB中进行多仪器数据的融合,通过坐标变换,实现了二维激光数据到三维点云数据的转化。最后,编写代码完成了路面三维点云的显示、滤波、孔洞修补、点云精简、曲面重建等技术内容。尤其针对滤波和遮挡形成的孔洞,基于扫描线点云的特征,设计了修补点云模型的方法,实现了较好的修补效果。研究表明,该车载道路信息采集系统成本较低,适用于林区道路的数据采集和建模,最终生成的林区路面模型较能反映实际道路情况,可以为当前森林消防车性能分析改善和未来智能林用车辆应用提供虚拟测试、定位及路径规划等需要的相关林区道路信息。
王二民[8]（2019）在《三维激光点云曲面重建技术研究》文中进行了进一步梳理随着三维激光扫描技术的快速发展,该技术被广泛应用于变形监测、智慧城市建设、文化遗产保护以及灾害评估等领域。该技术能够快速获得物体表面信息,原始数据主要是海量且含有噪声的三维空间点坐标,必须进行相应处理后才能应用。原始点云存在大量噪声点,必须去除噪声后才能进行后续数据处理;原始点云数据量大,数据处理过程耗时严重,需要对点云数据进行简化处理;预处理完成后,需要对点云数据曲面重建算法进行研究,以便达到准确高效完成物体表面重建的目标。基于以上分析,本文对点云去噪、点云精简以及曲面重建三方面的激光点云数据处理相关算法做了深入研究,主要的研究内容与贡献如下:（1）研究了点云数据结构和几何特征,对点云邻域划分查找和点云法向量估算进行了讨论分析,并对传统点云去噪算法的优缺点进行了比较。在此基础上,基于曲面拟合的思想,提出了一种基于点云主曲率确定拟合曲面类型的小振幅噪声去除方法。通过实验验证,表明该方法能有效地减小点云表面的粗糙程度,达到了点云表面光顺平滑的效果。（2）为解决点云精简方法在实现点云数据“量”减少同时容易造成“质”损失的问题,本文建立了一种基于不同邻域法向量求差的点云精简方法,该方法利用不同邻域求得的点云法向量差值为特征进行点云区域划分,进而采用不同阈值对已划分点云区域进行体素格点云精简,实验表明该算法既能有效地对点云数据实现精简,又能使精简后的点云特征保持完整。（3）将点云去噪和点云精简与降维Delaunay三角剖分的网格构建方法相结合,实现了一种基于去除小振幅噪声和精简点云的Delaunay三角剖分曲面重建方法,并对重建结果进行了对比分析,实验表明了本文方法能够取得较好的结果。
冯鸣[9]（2020）在《高陡崖三维建模与岩体节理信息提取研究》文中研究指明在高陡崖的工程地质调查中节理信息的提取是一项重要内容,也是工程地质问题分析与评价的基础。高陡崖山体雄厚、地形复杂,岩体凹凸错落,地质人员难以到达,使用罗盘、尺子等传统地质勘察方式难采集露头岩体的节理信息。并且传统地质调查方法在数百米以上的大规模高陡崖地质调查中工作量大、效率较低。三维激光扫描技术能数字化采集险、难、艰及精细区域的三维信息,在复杂场景的数据采集中具有一定优势,是一种非接触式主动测量技术、具有高效、精确的特点,可在计算机中显示和分析采集的三维点云。因此,可采用三维激光扫描技术进行高陡崖数据采集,但三维激光扫描仪工作时会受到视场角限制及现场环境因素的影响,多测站扫描也无法获取完整的高陡崖表面信息。为了获取高陡崖完整的三维数据,结合了无人机倾斜摄影测量技术作为补充,该技术可以自上而下的采集数据,视场角广,与三维激光扫描技术自下而上的采集方式相结合,能得到全面的高陡崖数据。再对采集的多源数据进行融合研究,得到完整的高陡崖表面三维数据。最后,建立高陡崖三维模型,在融合数据和三维模型中分别提取所需的岩体节理信息。本文主要研究内容及成果如下:（1）“点云+点云”的融合研究。首先,使用三维激光扫描技术和无人机倾斜摄影测量技术采集高陡崖数据;然后,对激光点云预处理得到与高陡崖空间信息一致的点云;其次,处理无人机倾斜摄影测量的影像数据得到影像点云;最后,将影像点云融合到激光点云中,得到高陡崖完整的多源点云数据,对融合的多源点云数据进行三维建模研究。融合方法采用的是统一坐标系法、局部特征描述子与改进ICP算法的结合。（2）“模型+模型”的融合研究。先分别对影像点云、激光点云进行三维重建,再把这两种模型融合在一起,形成“模型+模型”的融合研究。模型空间位置的融合方法使用的是统一坐标系与改进ICP算法相结合,最后对格网进行融合,使其成为一个整体的三维模型。（3）对不同建模方式进行精度分析并比较建模的优缺点。实验结果表明,使用“点云+点云”的融合方式与“模型+模型”的融合方式得到的最终建模融合绝对中误差都在0.067m以内。而多源点云融合建模精度高,建模速度慢,占用计算机资源高;“模型+模型”的融合建模方式速度快,计算机资源低,但是绝对精度相对比多源点云融合建模精略低。（4）高陡崖岩体节理信息的提取研究。在融合的多源点云中使用模糊C均值聚类方法对露头岩体的节理信息进行提取,在三维模型中使用区域生长算法对露头岩体节理信息进行提取研究。实验结果表明这两种方法可以有效的提取出岩体的产状和节理信息。能解决地质调查中数据采集难题及节理信息的自动提取。可将这种方法应用于大面积的区域地质调,提高生产效率。
马聪聪[10]（2019）在《逆向工程中散乱点云配准算法研究》文中研究说明随着数字化技术与汽车工业的迅猛发展,逆向工程在汽车制造业中的应用越来越广泛。在汽车的正向设计阶段,对于油泥模型的处理需要逆向技术的支持。对于国内的汽车制造商来说,由于设计水平与国外还存在较大差距,采用逆向工程对产品进行设计更新是提升竞争力的重要途径。受物体形状、采集设备等多种因素影响,在逆向工程的数据采集过程中,需要进行多次点云数据的测量。为了保持点云模型的完整性,需要通过点云配准技术将不同参考系下的点云变换到同一坐标系下。针对现有点云配准算法运行效率不高、精度低的问题,本文将点云配准分为粗配准与精配准两个过程并分别进行研究以提高配准精度与速度。主要完成工作如下:（1）结合点云法向量与密度进行特征点提取以完成点云粗配准。首先,通过主成分分析（PCA）法计算点云法向量,根据点云数据间距离完成点云密度的计算,以点云法向量对应的特征度与密度组成特征点检测参数完成特征点的提取。然后,计算特征点的快速点特征直方图（FPFH）描述子。最后,以特征点的FPFH描述子为基础,采用随机采样一致性（RANSAC）算法获得配对点,通过四元数法计算刚性变换矩阵实现点云模型的粗配准。（2）提出一种改进的迭代最近点（ICP）算法并以此完成点云精配准。首先,改进点云数据的搜索方式,通过构建栅格法与KD树相结合的多层索引结构,为各个点云数据建立索引,将散乱点云有序化。然后,基于局部表面拟合法计算法向量,根据坐标变换法实现点云曲率的计算并完成特征点的提取。最后,以ICP算法为基础,在曲率特征点中寻找对应点对,由此采用四元数法得到旋转矩阵与平移矢量实现点云精配准。实验结果表明,本文算法能够较快地完成精配准,并且获得了更小的配准误差。（3）以汽车模型为例,对本文所提算法进行实验验证并完成了逆向工程结合快速成型制造的整个流程。首先,采用RigelScan手持式激光扫描仪获得点云数据,在Geomagic Studio中完成点云去噪滤波与孔洞修补。然后,以MATLAB为实验平台利用本文所提算法完成点云粗配准与精配准。最后,实现基于快速成型技术的汽车模型打印,验证了配准算法的有效性。
二、基于物体表面散乱三维激光扫描点的三角形格网建立（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于物体表面散乱三维激光扫描点的三角形格网建立（论文提纲范文）
（1）矿区地表点云建模与变形信息精确提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维激光扫描变形监测应用现状 |
| 1.2.2 建构筑物特征提取的研究现状 |
| 1.2.3 点云数据滤波算法研究现状 |
| 1.2.4 基于点云数据的变形信息提取研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 2 三维激光扫描系统简介及数据预处理 |
| 2.1 三维激光扫描技术简介 |
| 2.1.1 激光测距技术原理与类型 |
| 2.1.2 激光扫描定位原理 |
| 2.2 三维激光扫描分类与技术指标参数 |
| 2.2.1 三维激光扫描系统分类 |
| 2.2.2 地基扫描仪参数介绍 |
| 2.2.3 点云数据的特点 |
| 2.3 外业点云数据采集与作业流程 |
| 2.4 点云配准与坐标转换 |
| 2.5 地面三维激光扫描仪测量误差分析 |
| 2.6 本章小结 |
| 3 建构筑物的三维特征信息提取和变形信息计算 |
| 3.1 Morse-Smale理论概述 |
| 3.1.1 Morse-Smale复形的构建 |
| 3.1.2 Morse-Smale理论的扩展 |
| 3.2 建构筑物特征点提取算法 |
| 3.2.1 散乱点云的Delaunay三角网的构建 |
| 3.2.2 法矢计算与特征指标参数值计算 |
| 3.2.3 三维特征点判别与分类提取 |
| 3.2.4 构建特征线与单复形模型 |
| 3.2.5 Morse-Smale复形简化与单复形模型简化 |
| 3.3 基于改进区域生长算法的三维特征面提取 |
| 3.3.1 K-tree的建立与K邻域获取 |
| 3.3.2 点云法矢和平均曲率求解 |
| 3.3.3 种子点选取与区域生长算法的改进 |
| 3.3.4 基于改进区域生长的点云数据分割实验 |
| 3.4 三维模型特征拟合 |
| 3.4.1 特征直线拟合与变形参数计算 |
| 3.4.2 特征曲线拟合 |
| 3.4.3 特征面的拟合 |
| 3.5 基于matlab与AutoCAD的联合制图 |
| 3.6 建构筑物的三维特征提取和精度评定 |
| 3.6.1 拱形建筑物特征提取实验 |
| 3.6.2 建筑物三维特征提取精度评定实验 |
| 3.7 本章小结 |
| 4 基于点云空间分布特征的地表点云数据滤波算法 |
| 4.1 点云的空间分布特征 |
| 4.1.1 多尺度下的点云分布特征 |
| 4.1.2 点云分布特征的量化表达 |
| 4.2 线性判别分类 |
| 4.2.1 线性判别分析 |
| 4.2.2 核心点选择与分类加速 |
| 4.3 滤波精度评价参数 |
| 4.4 尺度参数设置的影响 |
| 4.5 本章小结 |
| 5 基于三维点云数据的矿区地表变形信息提取与表达 |
| 5.1 基于三维点云的地形变形计算算法分类 |
| 5.2 影响点云变形计算精度的因素 |
| 5.3 变形监测区域简介 |
| 5.4 多尺度下的模型到模型距离的点云变形计算 |
| 5.4.1 M2M算法原理 |
| 5.4.2 M2M算法描述 |
| 5.4.3 M2M算法中关键步骤的参数选择 |
| 5.5 实验与分析 |
| 5.5.1 垂直方向的M2M距离 |
| 5.5.2 多尺度M2M距离 |
| 5.6 M2M算法的计算精度评价 |
| 5.6.1 点云坐标误差分析 |
| 5.6.2 M2M算法的计算精度 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）面向点云数据法向量区域聚类的特征提取算法及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 点云模型特征提取的国内外研究现状 |
| 1.2.2 建筑物点云特征提取的国内外研究现状 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究方法、内容及技术路线 |
| 1.3.2 组织结构 |
| 第2章 三维激光扫描技术及其数据处理 |
| 2.1 三维激光扫描技术 |
| 2.1.1 三维激光扫描原理 |
| 2.1.2 三维激光扫描系统 |
| 2.1.3 三维激光扫描技术的特点 |
| 2.2 点云数据 |
| 2.2.1 点云数据的分类及特点 |
| 2.2.2 点云数据的索引 |
| 2.2.3 点云数据预处理 |
| 2.3 小结 |
| 第3章 基于法向量区域聚类的点云模型特征提取 |
| 3.1 点云特征提取算法原理 |
| 3.1.1 FCM聚类算法 |
| 3.1.2 自适应邻域的PCA法向量估计法 |
| 3.1.3 基于法向量的FA-FCM组合聚类法 |
| 3.1.4 特征点提取 |
| 3.1.5 误差指标评价 |
| 3.2 实验结果与分析 |
| 3.2.1 特征识别结果及精度分析 |
| 3.2.2 特征识别方法对比 |
| 3.3 小结 |
| 第4章 法向量区域聚类算法在室外地物特征提取中的应用 |
| 4.1 室外场景地物分类算法 |
| 4.1.1 地面点滤波 |
| 4.1.2 非地面点地物分类 |
| 4.2 实验数据 |
| 4.3 室外场景地物分类结果 |
| 4.3.1 地面点滤波 |
| 4.3.2 地物分类提取建筑物点云 |
| 4.4 室外场景地物特征提取 |
| 4.4.1 参数设置 |
| 4.4.2 特征提取结果 |
| 4.5 小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 附录A1 法向量估算程序核心代码 |
| 附录A2 模糊聚类程序核心代码 |
| 附录A3 特征点提取程序核心代码 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（3）复杂曲面测量数据点云处理与重建技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维测量系统研究现状 |
| 1.2.2 散乱点云数据处理研究现状 |
| 1.2.3 点云曲面重建研究现状 |
| 1.3 研究内容与组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 本文结构 |
| 第二章 复杂曲面数据点云获取与预处理 |
| 2.1 复杂曲面数据点云获取方法与设备 |
| 2.1.1 三维扫描测量系统原理及特点 |
| 2.1.2 实验数据采集方案与流程 |
| 2.2 散乱点云数据结构与特征 |
| 2.2.1 点云数据格式及分类 |
| 2.2.2 散乱点云邻域及快速搜索 |
| 2.3 散乱点云降噪 |
| 2.4 散乱点云的旋转平移 |
| 2.5 散乱点云有序化 |
| 2.5.1 网格类点云数据有序化 |
| 2.5.2 线性类点云数据有序化 |
| 2.5.3 排序算法实例化验证分析 |
| 2.6 本章小结 |
| 第三章 散乱点云逆向网格重建 |
| 3.1 散乱点云拼接与配准 |
| 3.1.1 散乱点云拼接 |
| 3.1.2 散乱点云配准 |
| 3.2 散乱点云法向量及曲率 |
| 3.3 基于平面投影和隐式函数法的曲面网格重建 |
| 3.3.1 基于平面投影法的曲面网格重建 |
| 3.3.2 基于隐式函数法的曲面网格重建 |
| 3.4 孔洞边界识别及径向基函数孔洞修复 |
| 3.4.1 孔洞边界识别及标记 |
| 3.4.2 基于径向基函数的孔洞修复 |
| 3.5 本章小结 |
| 第四章 点云数据处理及曲面重建系统设计与实现 |
| 4.1 数据处理及曲面重建系统开发环境 |
| 4.2 数据处理及曲面重建系统框架设计 |
| 4.3 复杂曲面数据点云预处理 |
| 4.3.1 复杂曲面数据点云去噪 |
| 4.3.2 复杂曲面数据点云精简与压缩 |
| 4.4 复杂曲面数据点云拼接及精度分析 |
| 4.5 复杂曲面数据点云重建与孔洞修复 |
| 4.5.1 复杂曲面数据点云曲面重建 |
| 4.5.2 复杂曲面重建结果及精度分析 |
| 4.5.3 复杂曲面中三角网格孔洞修复 |
| 4.6 复杂曲面测量数据点精度分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 课题展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（4）基于光栅投影的配油盘尺寸测量与模型重建（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 三维点云数据获取技术概述 |
| 1.2.1 三维点云数据测量规划 |
| 1.2.2 三维点云数据获取方法 |
| 1.2.3 三维点云数据类型和存储格式 |
| 1.3 国内外研究现状 |
| 1.3.1 光栅投影的研究现状 |
| 1.3.2 特征提取的国内外现状 |
| 1.3.3 曲面重建的国内外现状 |
| 1.4 本文研究内容 |
| 第二章 基于光栅投影的配油盘表面三维点云获取 |
| 2.1 相位求解 |
| 2.1.1 相移法提取相位主值 |
| 2.1.2 多频外差相位展开 |
| 2.2 系统模型及标定 |
| 2.2.1 经典模型 |
| 2.2.2 灵活的系统模型 |
| 2.2.3 系统标定 |
| 2.3 三维光学检测平台搭建及三维点云求解 |
| 2.3.1 三维光学检测平台 |
| 2.3.2 配油盘点云求解 |
| 2.4 本章小结 |
| 第三章 配油盘形状特征提取和尺寸测量 |
| 3.1 边缘提取算法 |
| 3.1.1 提取三角网格模型的边缘 |
| 3.1.2 散乱点云的边缘提取 |
| 3.1.3 实验分析 |
| 3.2 空间圆检测算法 |
| 3.2.1 空间圆的拟合模型 |
| 3.2.2 空间平面拟合和空间圆拟合 |
| 3.2.3 实验结果 |
| 3.3 本章小结 |
| 第四章 基于三维点云配油盘模型重建 |
| 4.1 网格重建 |
| 4.1.1 网格重建方法分类 |
| 4.1.2 三角剖分理论 |
| 4.2 Crust算法 |
| 4.3 增量网格重建算法 |
| 4.3.1 算法相关概念 |
| 4.3.2 局部的三角化和网格整合 |
| 4.3.3 算法描述 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（5）不同地形复杂度地貌点云曲面构建技术方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维激光扫描技术及应用 |
| 1.2.2 点云曲面重建国内外研究现状 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 第二章 数据采集及处理 |
| 2.1 测区概况 |
| 2.2 扫描仪器及技术原理 |
| 2.2.1 扫描仪器简介 |
| 2.2.2 技术原理 |
| 2.3 数据采集 |
| 2.3.1 扫描前期准备工作 |
| 2.3.2 点云数据扫描 |
| 2.4 数据处理 |
| 2.4.1 点云数据处理技术 |
| 2.4.2 扫描点云预处理 |
| 第三章 三种级别分辨率扫描点云曲面构建对比分析研究 |
| 3.1 技术框架 |
| 3.2 误差来源与曲面质量评定方法 |
| 3.2.1 误差来源 |
| 3.2.2 曲面质量评定方法 |
| 3.3 基于网格对不同分辨率点云数据进行曲面构建分析 |
| 3.3.1 基于Geomagic Studio构建曲面 |
| 3.3.2 曲面偏差比较分析 |
| 3.4 基于截面技术对不同分辨率点云数据进行曲面构建分析 |
| 3.4.1 基于Imageware构建曲面 |
| 3.4.2 曲面偏差比较分析 |
| 3.5 结果分析 |
| 第四章 基于曲率测算分等地形复杂度的曲面构建技术研究 |
| 4.1 技术框架 |
| 4.2 基于曲率测算分等地形复杂度 |
| 4.2.1 点云曲率测算 |
| 4.2.2 地形复杂度分等 |
| 4.3 基于地形复杂度分割点云 |
| 4.3.1 几种常见的点云数据分割方法 |
| 4.3.2 分割不同分辨率点云 |
| 4.4 不同分辨率点云拼接 |
| 4.5 曲面构建及分析 |
| 4.6 结果分析 |
| 第五章 基于地形特征线分块处理的曲面构建技术研究 |
| 5.1 技术框架 |
| 5.2 几种基于特征的点云重建方法 |
| 5.2.1 基于散乱点云提取特征构建曲面 |
| 5.2.2 基于切片技术提取特征构建曲面 |
| 5.3 基于三角网格提取特征进行曲面构建 |
| 5.3.1 构建三角网格 |
| 5.3.2 提取特征 |
| 5.3.3 曲面构建及分析 |
| 5.4 结果分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 研究生期间发表论文 |
（6）果园环境地形地貌重构技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 环境感知国内外研究现状 |
| 1.3 论文研究内容及章节安排 |
| 第2章 果园环境测量及数据预处理 |
| 2.1 环境测量方法 |
| 2.2 点云数据预处理 |
| 2.3 向量叉乘法点云地面校准 |
| 2.4 本章小结 |
| 第3章 果园局部环境感知 |
| 3.1 果园环境特征 |
| 3.2 地物识别方法 |
| 3.2.1 地面去除 |
| 3.2.2 点云投影聚类 |
| 3.2.3 果树识别 |
| 3.3 算法验证与分析 |
| 3.3.1 提取效果分析 |
| 3.3.2 网格选取讨论 |
| 3.4 障碍物位置确定 |
| 3.5 本章小结 |
| 第4章 果园全局环境构建 |
| 4.1 匹配算法 |
| 4.2 自适应组合配准方法 |
| 4.3 算法验证及结果分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（7）林区道路3D信息采集与建模方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 点云数据处理及建模研究现状 |
| 1.2.3.1 点云滤波 |
| 1.2.3.2 孔洞修补 |
| 1.2.3.3 点云精简 |
| 1.2.3.4 表面重建 |
| 1.3 研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 研究方案及论文结构 |
| 2 道路信息采集关键技术实现 |
| 2.1 系统主要技术要求构成 |
| 2.1.1 GNSS接收机组装 |
| 2.1.2 惯性单元IMU选择 |
| 2.1.3 激光扫描仪选择 |
| 2.2 系统定位校正 |
| 2.2.1 坐标系统定义 |
| 2.2.1.1 扫描仪坐标系 |
| 2.2.1.2 惯导坐标系 |
| 2.2.1.3 站心坐标系 |
| 2.2.1.4 WGS-84坐标系 |
| 2.2.2 坐标变换实现 |
| 2.2.2.1 扫描仪坐标系到惯导坐标系 |
| 2.2.2.2 惯导坐标系到站心坐标系 |
| 2.2.2.3 站心坐标系到WGS-84坐标系 |
| 2.3 系统集成关键技术及实现 |
| 2.3.1 组合导航技术 |
| 2.3.2 时空配准实现 |
| 2.3.2.1 时间配准 |
| 2.3.2.2 空间配准 |
| 2.3.3 几何检校 |
| 2.4 系统误差分析 |
| 2.4.1 部件误差分析 |
| 2.4.2 系统集成误差分析 |
| 2.5 系统检校与精度分析 |
| 2.5.1 时间误差修正 |
| 2.5.2 整体检校 |
| 2.5.3 系统精度分析 |
| 2.5.3.1 标定与验证设计 |
| 2.5.3.2 绝对精度分析 |
| 2.5.3.3 相对精度分析 |
| 2.6 本章小结 |
| 3 林区路面点云数据采集与处理 |
| 3.1 林区路面数据采集与融合 |
| 3.1.1 数据采集准备 |
| 3.1.2 路面数据采集 |
| 3.1.3 路面数据融合 |
| 3.2 点云数据预处理 |
| 3.2.1 点云滤波算法实现 |
| 3.2.2 孔洞修补算法设计 |
| 3.2.3 点云精简算法实现 |
| 3.3 路面重建 |
| 3.3.1 法向估计 |
| 3.3.2 路面模型三维重建 |
| 3.4 本章小结 |
| 4 林区道路建模与结果分析 |
| 4.1 数据处理软硬件选择 |
| 4.2 点云预处理结果及分析 |
| 4.2.1 点云滤波结果及分析 |
| 4.2.2 孔洞修补结果及分析 |
| 4.2.3 点云精简结果及分析 |
| 4.3 路面重建结果及分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录A 坐标变换MATLAB代码 |
| 附录B 孔洞修补VS代码 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（8）三维激光点云曲面重建技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 点云去噪 |
| 1.2.2 点云精简 |
| 1.2.3 点云曲面重建 |
| 1.3 本文主要研究内容 |
| 2 三维激光扫描技术及数据采集 |
| 2.1 三维激光扫描系统 |
| 2.1.1 技术原理及特点 |
| 2.1.2 主要参数 |
| 2.1.3 应用领域 |
| 2.2 实验数据采集 |
| 2.2.1 设计采集方案 |
| 2.2.2 作业流程 |
| 2.3 本章小结 |
| 3 点云数据预处理 |
| 3.1 点云数据结构和几何特征 |
| 3.1.1 点云邻域及邻域查找 |
| 3.1.2 点云法向量 |
| 3.2 点云去噪 |
| 3.2.1 常用点云去噪方法 |
| 3.2.2 小振幅噪声去除方法 |
| 3.2.3 实验及分析 |
| 3.3 点云精简 |
| 3.3.1 常用点云精简方法 |
| 3.3.2 基于不同邻域法向量求差的点云精简 |
| 3.3.3 实验及分析 |
| 3.4 本章小结 |
| 4 点云曲面重建 |
| 4.1 曲面重建方法 |
| 4.2 基于Delaunay三角剖分的曲面重建 |
| 4.2.1 Delaunay三角剖分理论基础 |
| 4.2.2 基于Delaunay规则的切平面投影曲面重建 |
| 4.3 基于去除小振幅噪声和精简点云的Delaunay三角剖分曲面重建 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（9）高陡崖三维建模与岩体节理信息提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及选题意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维激光扫描技术采集岩体信息 |
| 1.2.2 摄影测量技术采集岩体信息 |
| 1.2.3 三维激光扫描技术与摄影测量技术的结合应用 |
| 1.2.4 岩体节理信息识别方法 |
| 1.3 研究内容与论文组织结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 三维激光扫描技术与无人机倾斜摄影测量技术概述 |
| 2.1 三维激光扫描系统简介 |
| 2.2 三维激光扫描技术作业流程及要求 |
| 2.2.1 数据采集方式及注意事项 |
| 2.2.2 点云内业数据处理 |
| 2.3 无人机倾斜摄影测量系统简介 |
| 2.4 无人机倾斜摄影测量技术要求 |
| 2.4.1 数据采集技术要求及注意事项 |
| 2.4.2 内业数据处理及注意事项 |
| 2.5 本章小结 |
| 第三章 数据采集及数据预处理 |
| 3.1 研究区域概况 |
| 3.2 技术方案 |
| 3.3 三维激光扫描技术数据采集及数据处理 |
| 3.3.1 数据采集 |
| 3.3.2 数据预处理 |
| 3.4 无人机倾斜摄影测量数据采集及数据处理 |
| 3.4.1 数据采集 |
| 3.4.2 数据处理 |
| 3.5 检查点数据采集 |
| 3.6 本章小结 |
| 第四章 多源点云数据融合与三维模型建立 |
| 4.1 多源点云数据融合概念 |
| 4.2 高陡崖多源点云数据融合 |
| 4.2.1 统一坐标系法融合多源点云 |
| 4.2.2 统一坐标系法融合多源点云实验 |
| 4.2.3 局部特征描述子与改进ICP算法融合多源点云 |
| 4.2.4 局部特征描述子与改进ICP算法融合多源点云实验 |
| 4.3 高陡崖三维模型建立及模型融合 |
| 4.3.1 三维模型建模方法 |
| 4.3.2 多源点云融合建模 |
| 4.3.3 基于点云重建的“模型+模型”融合建模 |
| 4.4 融合重建三维模型精度分析 |
| 4.4.1 三维模型绝对精度分析 |
| 4.4.2 三维模型相对精度分析 |
| 4.5 本章小结 |
| 第五章 岩体节理信息提取 |
| 5.1 岩体节理信息特征分析 |
| 5.1.1 岩体产状要素 |
| 5.1.2 岩体结构特征 |
| 5.2 节理特征信息提取 |
| 5.2.1 基于多源点云的节理信息提取 |
| 5.2.2 基于模型的节理信息提取 |
| 5.3 实验案例 |
| 5.3.1 基于多源点云的节理特征提取实验 |
| 5.3.2 基于模型的节理特征提取实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）逆向工程中散乱点云配准算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 逆向工程相关技术 |
| 1.2.2 点云配准技术 |
| 1.3 论文主要工作及内容安排 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文的章节安排 |
| 第2章 点云配准相关技术与理论 |
| 2.1 点云数据类型 |
| 2.2 点云数据获取方式 |
| 2.3 点云数据预处理 |
| 2.4 点云配准基本问题 |
| 2.4.1 点云配准的数学模型 |
| 2.4.2 点云配准的目标函数 |
| 2.4.3 四元数法 |
| 2.5 快速成型技术 |
| 2.6 本章小结 |
| 第3章 基于特征提取的点云粗配准 |
| 3.1 基于点云法向量与密度的特征点提取方法 |
| 3.1.1 KD树的建立 |
| 3.1.2 点云法向量计算 |
| 3.1.3 点云密度计算 |
| 3.1.4 特征点提取 |
| 3.2 FPFH描述子计算 |
| 3.2.1 PFH描述子 |
| 3.2.2 FPFH描述子 |
| 3.2.3 PFH描述子与FPFH描述子的区别 |
| 3.3 RANSAC算法 |
| 3.4 点云粗配准算法描述 |
| 3.5 实验结果与分析 |
| 3.5.1 特征点提取算法实验与结果分析 |
| 3.5.2 点云粗配准算法实验与结果分析 |
| 3.6 本章小结 |
| 第4章 基于改进ICP算法的点云精配准 |
| 4.1 曲率特征点选择 |
| 4.1.1 多层索引结构设计 |
| 4.1.2 法向量与曲率计算 |
| 4.2 ICP算法 |
| 4.3 改进的ICP算法 |
| 4.4 实验与结果分析 |
| 4.5 本章小结 |
| 第5章 实验验证与结果分析 |
| 5.1 逆向工程部分 |
| 5.1.1 点云数据获取 |
| 5.1.2 点云数据预处理 |
| 5.2 汽车模型点云配准 |
| 5.2.1 汽车点云模型粗配准 |
| 5.2.2 汽车点云模型精配准 |
| 5.3 网格模型处理 |
| 5.4 汽车模型的快速成型制造 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间研究成果和参与项目 |
四、基于物体表面散乱三维激光扫描点的三角形格网建立（论文参考文献）
- [1]矿区地表点云建模与变形信息精确提取方法研究[D]. 赵明君. 安徽理工大学, 2021(02)
- [2]面向点云数据法向量区域聚类的特征提取算法及其应用[D]. 史红霞. 太原理工大学, 2021(01)
- [3]复杂曲面测量数据点云处理与重建技术研究[D]. 兰旭东. 东华大学, 2021(09)
- [4]基于光栅投影的配油盘尺寸测量与模型重建[D]. 何玉. 安徽建筑大学, 2021(08)
- [5]不同地形复杂度地貌点云曲面构建技术方法研究[D]. 浦仕贵. 昆明理工大学, 2021(01)
- [6]果园环境地形地貌重构技术研究[D]. 罗秋慧. 河南科技大学, 2019(06)
- [7]林区道路3D信息采集与建模方法研究[D]. 孙苏玉. 北京林业大学, 2019(04)
- [8]三维激光点云曲面重建技术研究[D]. 王二民. 武汉大学, 2019(09)
- [9]高陡崖三维建模与岩体节理信息提取研究[D]. 冯鸣. 昆明理工大学, 2020(04)
- [10]逆向工程中散乱点云配准算法研究[D]. 马聪聪. 武汉理工大学, 2019(07)