声明
第1 章 绪 论
1.1 课题研究的背景和意义
1.2 三维点云分割研究现状
1.2.1 基于深度学习的点云分割研究现状
1.2.2 基于几何推理的点云分割研究现状
1.3 主要研究内容及章节安排
第2 章 点云分割理论基础及分割算法介绍
2.1 引言
2.2 图像形态学算法
2.3 Canny 边缘检测算法
2.4 区域生长算法
2.5 混合流形谱聚类算法
2.5.1 点的局部特征提取
2.5.2 谱空间内的特征低维嵌入
2.5.3 自适应分割
2.5.4 流形结构测试分析
2.6 顶点聚类算法
2.6.1 基于贝叶斯框架的Student-t 模型
2.6.2 9-D空间的建立
2.6.3 顶点聚类
2.7 本章小结
第3 章 点云模型初分类与距离图像建立
3.1 引言
3.2 基于法向量方向相异性的点云模型初分类
3.2.1三角网格构建
3.2.2 网格法向量计算
3.2.3 网格法向量方向一致化
3.2.4 点云模型初分类
3.3 距离图像的生成
3.3.1 网格边长值计算
3.3.2 格网化与网格赋值
3.3.3 基于图像形态学的平滑处理
3.3.4 多视角距离图像的生成
3.4 本章小结
第4 章 基于区域生长算法的特征面提取
4.1 引言
4.2 种子点获取
4.2.1 边缘图像获取
4.2.2 边缘检测算子对比
4.2.3 边缘图像优化
4.2.4 基于映射关系的种子点提取
4.3 生长规则的确立
4.3.1 基于网格法向偏移角度的邻接面分割
4.3.2 基于迭代最近点的独立面提取
4.4 离群点检测与剔除
4.5 本章小结
第5章实验对比与结果分析
5.1 引言
5.2 传统区域生长方法对比
5.2.1 种子点选取方式对比
5.2.2 生长规则方式对比
5.3 不同分割方法对比
5.3.1 数据集
5.3.2 实验环境
5.3.3 不同算法分割结果对比
5.3.4 分割结果分析与评价
5.4 本章小结
结 论
参考文献
攻读硕士学位期间承担的科研任务与主要研究成果
致谢
燕山大学;
