基于区域增长方法的点云分割算法及环境搭建

目录

声明

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 点云数据处理研究现状

1.2.2 点云数据分割研究现状

1.3 课题研究内容与组织结构

1.3.1 本文研究内容

1.3.2 本文组织结构

第2章 点云分割相关理论和关键技术

2.1 点云分割定义

2.2 点云数据分类

2.3 点云数据预处理

2.4 超体素数据

2.4.1 体素数据

2.4.2 体素化

2.4.3 超体素数据

2.5 本章小结

第3章 点云数据的采集

3.1 采集数据的硬件平台设计

3.1.1 平台相机的选取

3.1.2 硬件平台的搭建

3.2 双目立体视觉

3.2.1 双目立体视觉数学模型

3.2.2 测量原理

3.3 本章小结

第4章 超体聚类过分割算法

4.1 算法整体框架

4.2 点云数据

4.2.1 PCL点云库

4.2.2 三维点云数据

4.3 体素化和网格化

4.3.1 点云数据的体素化处理

4.3.2 点云数据的网格化处理

4.4 点云数据的超体素聚类分割

4.5 实验平台

4.6 本章小结

第5章 基于区域增长方法的点云分割算法

5.1 超体素的区域增长

5.2 超体素区域融合的几个约束条件

5.2.1 表面几何特征

5.2.2 平滑性约束

5.2.3 空间连通性

5.3 种子体素初始化

5.4 相似性特征计算

5.5 实验结果对比分析

5.6 点云分割的具体应用

5.7 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和科研成果

致谢

作者简介