封面
声明
致谢
中文摘要
英文摘要
目录
图清单
表清单
变量注释表
1 绪论
1.1 研究背景及意义(Research Background and Significance)
1.2 国内外研究现状(Status of Research at Home and Aboard)
1.3 研究的主要内容及技术路线(Main Contents and Technical Routes)
1.4 本文结构安排(Organization)
2 地面三维激光扫描技术及点云数据处理算法
2.1 Trimble GX 200 三维激光扫描系统( Trimble GX 200 3D Scanning System)
2.2 点云处理软件概述( Overview of Point Cloud Processing Software)
2.3 地面三维激光扫描仪数据获取技术( Data Acquisition Technique of Terrestrial 3D Laser Scanner)
2.4 点云数据预处理(Point Cloud Data Preprocessing)
2.5 点云配准(Point Cloud Registration)
2.6 本章小结(Summary)
3 点云自动配准研究
3.1 匹配步骤及相关算法( Registration Steps and Related Algorithm)
3.2 点云配准经典算法——最近点迭代(ICP)算法(Classical Registration Algorithm——Iterative Closest Point(ICP) Algorithm)
3.3 Delaunay三角剖分(Delaunay Triangulation)
3.4 加权ICP算法(Weighted ICP Algorithm)
3.5 实验数据(Experimental Data)
3.6 基于曲率特征提取和匹配的点云配准算法( Point Cloud Registration Algorithm Based on Extracting and Matching Curvature Feature Points)
3.7 协方差特征值在点云配准中的应用( Applying Covariance Eigenvalue to Point Cloud Registration)
3.8 本章小结(Summary)
4 点云与影像融合技术
4.1 立体影像生成三维点集技术(Technique of Generating 3D Point Set from Stereo Images)
4.2 不同尺度点云匹配研究(Research on Point Cloud at Different Scales Registration)
4.3 实验分析(Experimental Analysis)
4.4 本章小结(Summary)
5 基于特征的点云压缩
5.1 基于高斯曲率极值的特征提取(Feature Extraction based on Gaussian Curvature Extremum)
5.2 基于法向量与基于高斯曲率极值的特征提取算法比较( Comparison between The Algorithm Based on Gaussian Curvature Extremum and The Algorithm by Means of Normal Vector)
5.3 本章小结(Summary)
6 总结与展望
6.1 结论(Conclusion)
6.2 展望(Prospects)
参考文献
作者简历
学位论文数据集