摘要
1 绪论
1.1 研究目的及意义
1.2 国内外研究现状
1.2.1 三维激光扫描技术的研究现状
1.2.2 点云数据分割的研究现状
1.2.3 点云数据去噪的研究现状
1.2.4 点云数据精简的研究现状
1.3 K-means聚类算法理论及其应用
1.4 自组织神经网络理论及其应用
1.5 弦高偏移算法理论及其应用
1.6 研究的主要内容与技术路线
2 点云数据的获取方案
2.1 三维激光扫描技术
2.2 三维激光扫描仪的分类
2.3 三维激光扫描仪的工f乍原理
2.4 三维激光扫描系统的构成
2.5 原木点云数据的获取
2.6 本章小结
3 原木点云数据的分割
3.1 点云数据的种类
3.2 点云数据分割
3.3 K-means聚类算法
3.4 基于K-means聚类算法的点云数据分割
3.5 本章小结
4 原木点云数据的去噪
4.1 噪点的分类
4.2 点云数据去噪
4.3 基于sOM神经网络的点云数据去噪
4.3.1 SOM神经网络结构
4.3.2 SOM神经网络学习算法
4.3.3 应用SOM神经网络数据去噪的过程
4.4 本章小结
5 原木点云数据的精简及三维重构
5.1 点云数据精简
5.2 基于弦高偏移算法的点云数据精简
5.2.1 弦高偏移算法
5.2.2 应用弦高偏移算法数据精简的过程
5.3 原木三维模型重构
5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
声明