一、基于平行截面的三维散乱点物体表面重构（论文文献综述）
马康盛[1]（2021）在《基于在机视觉测量的叶片形貌重构点云数据处理技术研究》文中认为随着高精密薄壁零部件在航空工业等领域中使用频率的增加,使得人们对于测量设备的工作效率与精度需求越来越高。由于传统接触式测量存在测量磨损且不适用于在机测量,因此针对薄壁叶片这一典型研究对象,利用非接触式的光栅投影测量方法进行在机测量与数据的处理重构研究具有重要意义。首先,针对在机测量中的静态环境测量进行在机环境分析,根据单目结构光栅非接触测量原理与环境分析结果,对测量系统进行软硬件设备选用与设计。通过建立新型光栅投影测量模型,对工业相机进行标定,并对相移法展开研究,利用多频外差算法进行解包裹相位。根据测量原理与分析结果,利用自动定位装置进行在机测量模拟,获得叶片原始点云数据。其次,将在机测量环境模拟工况下采集的原始叶片点云进行噪声分类处理。根据分类结果与航空叶片结构特点,提出一套适用于该类中小型航空叶片点云数据的预处理方法。利用改进直通滤波、基于统计与半径滤波的改进算法及双边滤波完成降噪;提出了一种基于边长参数调整的体素格栅下采样方案完成数据精简,通过Geomagic实现数据偏差分析。再次,通过提出的单面叶片双重测量配准方案,解决单次测量可能存在的细节缺失问题。将两次扫描获取的叶片数据进行初始配准分析,获取最小绝对旋转平移偏差方案所对应的初始变换矩阵;将获得的初始配准结果结合ICP精细配准完成叶片数据的整体配准,并分析最终绝对旋转平移误差,得到变换矩阵,实现叶片的最终配准。最后,结合航空叶片重构需求特点进行网格划分,针对传统贪婪投影算法易出现细小孔洞问题,提出了一种适用于该类航空叶片点云数据的重构方案。通过改变近邻点距离阈值与内角关系,提出了一种改进的贪婪投影方法,并利用变换邻域点的MLS算法进行处理,通过Geomagic进行重构曲面的偏差分析,最终生成重构质量良好的航空叶片曲面。
浦仕贵[2]（2021）在《不同地形复杂度地貌点云曲面构建技术方法研究》文中提出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。
齐淑生[3]（2020）在《大型空腔叶片热处理前后的数字化测量及评定》文中提出大型空腔叶片作为舰船动力系统中过流的关键部件,其精度和性能的要求标准较高,为了消除内应力和改善金属材料的性能,对铸造得到的大型空腔叶片进行热处理工艺。由于叶片含有极为复杂的复合型面,并且具有内空腔、大曲率及长翼型的独特结构,在进行热处理工艺时产生一定程度的变形,影响大型空腔叶片的使用性能。因此,大型空腔叶片热处理前后的数字化测量及评定过程有着重要的实际意义。本文以热处理前后的大型空腔叶片为对象,研究涉及了数字化测量及评定中若干技术内容如下:数字化测量方面,分析大型空腔叶片的几何外形特征,对比常用的数字化测量方法特点和原理,确定大型空腔叶片的数字化测量方法,采取基于多个基准点位置转换测量原理的三维激光扫描测量方法,获取热处理前后叶片的测量数据。测量数据处理方面,主要研究点云数据去除噪声点及精简方法,根据大型空腔叶片测量数据的特点,提出一种基于空间单元格法的快速K-邻域搜索噪声点方法;对比分析常用数据精简算法的特点,提出基于曲率采样法和包围盒法相结合的混合方法对测量数据进行精简,并验证了该方法的有效性。模型重构方面,根据测量数据特点,提出了一种基于边缘和基于平滑度的欧式聚类算法联合使用的混合分割方法,对热处理后叶片的点云数据进行分割,将复杂曲面的拟合问题转化为单一曲面拟合,降低曲面拟合的难度;并研究了曲线、曲面的拟合造型及其光顺方法,重构了热处理后大型空腔叶片的三维数字化模型。基准匹配及评定方面,采用最小二乘法评定分析热处理后重构的叶片模型精度;对比分析几种常用的基准匹配算法,提出一种初始匹配和精确匹配联合使用的方法,完成大型空腔叶片热处理前点云数据与热处理后重构模型的基准匹配,并采取逼近算法对叶片的热处理变形进行评定,评定分析结果为大型空腔叶片热处理夹具的设计提供了可靠的依据。通过分析研究大型空腔叶片热处理前后的数字化测量及评定,获得热处理前后叶片的整体变形趋势及局部变形量,研究分析的结果可以作为大型空腔叶片的质量控制、模具优化设计和提高生产效率的参考依据,具有一定的实际应用价值。
徐吉轩[4]（2020）在《基于结构光扫描的三维点云数据重构算法研究》文中研究表明论文依托于“重载铁路车地安全状态监测示范验证”的科研项目,开展列车走行部三维点云重建方法的研究。具体工作内容如下:（1）进行了列车走行部模型三维点云数据的结构光采集方案和相关算法研究。设计了三维点云数据采集平台,进行了相机参数标定与光平面参数标定。改进了激光条纹中心线提取算法,通过引入权重函数,对几何中心法与细化法获取的激光条纹中心线进行加权处理。（2）进行了三维点云数据的预处理。分析了噪声点云数据的空间位置分布特性,基于分类的思想对非目标区域扫描产生的冗余点与离群点分别处理。对于冗余点采用阈值分割法去除以得到主体点云,对于离群点,根据点云密度,结合自适应统计滤波和多条件阈值约束函数去除。在此基础上,对点云数据进行体素化下采样与数据点周围高阶多项式插值的重采样,保持点云几何形态的同时平滑了点云,并利用平均曲率和高斯曲率对点云平滑的效果进行评价。（3）进行了两类三维点云数据的表面重构算法研究。通过NURBS插值曲面拟合列车走行部模型表面,得到了封闭且无孔洞的光滑曲面。基于空间分布的区域增长曲面重构,结合Delaunay三角剖分准则,建立三角网格拓扑关系,实现列车走行部表面重构。相比NURBS算法,后者有较好的鲁棒性,整体可视化效果较好。构建了基于深度信息的RGB伪彩色索引图,通过正向映射的方法,将纹理映射到重建模型表面,以得到更好的可视化效果。
赵飞宇[5]（2019）在《Web环境下三维点云数据轻量化处理与模型重构方法研究》文中指出3D打印作为第三次工业革命的重要标志,已经逐渐成为技术研发与产业投资的热点。当前针对3D打印及其应用侧重于3D打印自身关键技术的攻关,而以“互联网+3D打印”服务模式为基础的3D打印云服务平台,实现了从创意概念到产品原型的快速对接,对加快产品研发速度、满足大众个性化需求,提高创新能力具有重要推动作用。目前,3D打印云服务平台在针对大众参与的3D打印创新创意设计与产品个性化定制方面还存在一定的不足:一方面,三维建模门槛较高,客户需求与创意设计无法准确对接;另一方面,由于3D打印云服务平台在三维轻量化建模、人机交互等关键技术研究方面不够深入,使得平台难以在大众创新创造领域得到实际应用。基于此,本文以三维扫描技术为建模手段,研究了Web环境下三维点云数据轻量化处理与模型重构方法,并开发了部署于3D打印云服务平台的三维扫描轻量化建模系统,降低了三维建模门槛,为大众亲身参与3D打印产品个性化定制过程中奠定了基础。主要研究内容包括:（1）构建了Web环境下三维点云数据轻量化处理与模型重构体系框架。在对面向3D打印产品个性化定制的在线三维建模进行需求分析的基础上,构建了Web环境下三维点云数据轻量化处理与模型重构框架,并分别阐述了框架中所涉及的核心研究内容及其执行逻辑。（2）研究了一种Web环境下三维点云数据轻量化处理及三角网格模型重构方法,解决了在Web环境下进行逆向建模所面临的点云数据预处理高效性、实时性、模型低数据量问题。该方法包括角度法与弦高法相结合的点云实时去噪算法、多视角点云在线快速配准算法、基于自适应分层的点云重采样算法、综合主成分分析和空间晶格的点云精确法向估计方法以及基于偏微分方程的三角网格模型孔洞修复算法。对比实验结果表明本方法不仅能够实现点云数据随三维扫描过程,在Web浏览器中的实时预处理,而且重构所得轻量化三角网格模型能够在Web浏览器中实现高保真流畅渲染。（3）研究了一种Web环境下三角网格模型快速分割与特征区域提取方法,解决了在特征识别与特征重构中的区域划分问题,在确保分割一致性的同时,大幅提升了分割速率,适宜在Web浏览器中执行。借助在线序列超限学习机（OSELM）增量学习机制,采用少量样本模型初始化输出权值,并通过不断递增的待分割模型,实时更新输出权值并提取待分割模型的高斯曲率阈值,通过特征点骨架化、边界线闭合光顺处理实现了三角网格模型的在线快速分割。（4）研究了一种基于三角网格模型的基本特征重构方法,解决了对三角网格模型高层次正向设计意图信息进行重构,使模型支持参数化设计与变形设计的问题。将四类基本特征归纳为由截面草图曲线与特征路径驱动的广义扫掠体,使不同基本特征具备统一的数学表达式。提取三角网格模型特征区域的截面草图曲线与特征路径,并借助Open CASCADE的特征建模函数,实现基本特征重构。（5）以国内某3D打印云服务平台运营企业实际应用需求为对象,设计并开发了基于Web的三维扫描轻量化建模系统,阐述了系统的开发背景与运行环境,并通过实例对系统的应用效果进行了分析。该系统已部署在企业的3D打印云服务平台上,为大众参与3D打印产品个性化定制提供了在线三维建模工具。
段志鑫[6]（2019）在《三维激光扫描数据精简、表面重构方法及应用研究》文中研究说明三维激光扫描技术是近年来兴起的一项新型测量技术,因其具有高效、精确等优点,目前被广泛地应用于测绘、逆向工程等领域。三维激光扫描技术获取的原始点云数据量庞大且存在大量冗余,这些冗余数据会使得点云的利用效率降低,造成点云数据处理及应用管理的不便。另外,通过对点云进行表面重构可以为用户提供目标物的真实三维场景信息。因此,研究点云的精简和表面重构算法对于提高点云的可用性并进行三维可视化具有重要意义。本文重点研究了点云精简及表面重构中的相关算法,并通过编程实现及实验分析,验证本文相关算法的有效性。本文的主要研究内容及成果如下:（1）对散乱点云拓扑关系建立的方法进行了详细阐述,并针对现有点云kmeans聚类方法中存在的收敛较慢,多次聚类结果不统一的问题,首先利用八叉树划分为聚类提供初始聚类中心,然后引入elkan k-means聚类方法减少距离运算。实验表明,本文方法比起经典k-means方法迭代次数更少,运算效率更高,可以较好地实现散乱点云的聚类。（2）为了减少点云精简中特征信息的丢失,提出了一种基于单位法向扩展距离的点云内部特征点提取方法,该方法利用点间单位法向量最大距离与点间距之差作为新的特征检测算子来反映曲面变化程度。实验表明,该算法可以实现对点云内部特征的准确提取。（3）为了在精简过程中保留点云的边界信息,提出了一种基于近邻点切平面投影分布的点云边界提取方法。通过分析投影点的分布特点,利用多级判断实现边界点的识别。实验表明,该算法可以准确地检测出不同类型点云的边界点。（4）对经典点云精简算法中存在的不足进行了深入分析,提出了一种基于特征保留的点云精简算法。该方法首先利用本文点云特征提取方法对原始点云的内部特征和边界特征进行保留,并基于本文设计的点云聚类算法对点云进行初始聚类;最后提出了一种基于类内曲面变分方差的聚类细分方法实现了对弱特征点的提取和非特征点的均匀精简。实验分析表明,该方法对于不同几何特征的点云数据均具有较好的精简效果,且在精简效果和精度等方面优于经典方法。（5）针对泊松表面重构中可能存在的法向量方向不一致的问题,设计了一种基于附加约束信息的点云法向量一致性调整方法。实验表明,该方法可以实现对点云法向量的正确调整,经过调整后,点云泊松重构具有准确的建模结果。将本文的算法应用于实测扫描数据的精简与表面重构,验证了本文算法具有实用性。
李昊[7]（2016）在《基于激光雷达的船体表面焊缝识别与打磨机器人系统研究》文中指出为了加强船体表面作业无人化的开发研究,提高造船自动化程度,提高造船效率,结合船体表面作业处理时人工操作的困难性,提出了利用基于激光雷达的船体表面焊缝识别与打磨机器人系统来代替人工操作的问题,为满足造船环境的安全性要求,设计了基于磁吸附式机构的表面处理机器人机构。利用激光雷达对船体表面的焊缝进行识别与定位,通过三维表面重构技术完成了基于三维数据的表面可视化功能。通过试验验证了激光雷达识别的精度和表面重构算法,证实了算法的可行性。首先,本文研究了国内外关于表面处理机器人以及激光雷达扫描技术的研究,提出了基于激光雷达的船体表面焊缝检测、表面重构与打磨系统方案。然后,结合船体表面处理时的现场环境,从应用实现的角度将整个系统分成机械部分和电气控制部分,分析了该系统的功能要求以及性能指标之后,设计了系统的机械结构,进行了整体结构以及关键零部件的设计与选型工作,对几个主要的自设计敏感工件做了有限元分析验证了其强度性能。接着,从电气控制角度,分别介绍电气系统硬件选型和软件系统的设计研究,对工控机、电机系统、激光雷达、变频器以及限位传感器等器件进行了选型。基于系统功能要求分模块完成了控制软件系统的整体设计,在MFC框架下开发了焊缝识别与打磨系统软件。再者,针对焊缝识别、重构与打磨系统中焊缝的识别与点云重构算法进行了研究,介绍了雷达的工作原理,研究了焊缝数据点的提取以及基于数据的聚类分组滤波算法,并且进行了实验验证分析,研究了三维点云的表面重构算法,对比了曲面拟合和三角化曲面重构的优缺点,研究了点的K邻近搜索算法以及基于区域增长的三角网格重构算法。为实验提供了理论算法依据。之后,根据系统的整体设计和各个分系统的设计,完成了样机的组装和调试工作。设计了实验的方法和检测方法,并进行了试验,验证了本文所述方案算法的可行性,验证了基于点云的三维表面重构算法。分析了系统的误差来源。最后,对整篇文章做了系统性的总结,也提出了将来所要研究与改进的方向和建议。
孙志敬[8]（2014）在《面向船体外板加工成型过程的三维点云重建技术研究与实现》文中研究指明船体外板自动化加工成型技术,能提高船板加工精度和效率满足实际需求。利用弯板形变点云数据重建出三维成型曲面的技术,可提供全面、直观、准确的实时弯板曲面形变信息,是当今船体外板自动化加工技术研究的热点之一。由于船板过大,耗费大量读取和处理三维点云坐标的时间,且存在大量冗余数据,计算机常出现死机状态。本文以船体外板自动化加工成型为背景主要研究面向船体外板的海量三维散乱点云重建技术问题。本文针对海量散乱三维点云重建问题,主要工作有：1.针对大型船体弯板散乱点云数据量庞大的问题,利用k-邻域快速搜索法建立点云间拓扑关系,划分点云数据空间,估算局部点云空间的法矢量和特征曲率值,进行点云预处理,包括点云去噪,点云精简,点云平滑等技术；2.针对船体外板形变曲面快速三维重建的要求,提出了以空间层次剖分和特征曲率相融合的精简算法,通过k-d树剖分准则将三维点云数据剖分成不同层次空间,层层递归形成树状数据模型,设定可调的曲率阈值,依据阈值将同一数据源的点云数据区分为不同曲率大小的区域,运用不同的精简算法,实现曲面基本特征的曲面重建；3.依据上面提出的点云精简和去噪处理后的点云数据失真问题,根据曲率阈值划分区域,运用不同的平滑算法,能取得很好的点云数据平滑效果；4.从NURBS曲线拟合数据推广到NURBS曲面重构,首先对点云数据进行过滤和简化,反算NURBS控制点、计算每条NURBS曲线的节点矢量,统一节点矢量个数及节点值,准确拟合出完整NURBS曲面。本课题主要针对船体外板形变曲面实时检测与快速高效三维重建的要求,提出了以空间层次剖分和特征曲率相融合的精简和平滑算法,并对不同曲率特征的区域采用不同的算法,能很好地保留几何特征信息,且具有较强的调整能力。实验结果分析,该算法保证曲面重建的基础上,大大减少了曲面的点云数量,较好的散乱点云平滑效果,提高了曲面重建效率,为船舶行业的发展起到积极的推动作用。
于海霞[9]（2014）在《基于地面三维激光扫描测量技术的复杂建筑物建模研究》文中进行了进一步梳理三维激光扫描技术以其数据的高精度与采集的高效率为空间信息的获取提供了一种全新的技术手段。随着现代计算机技术的不断发展和研究，点云三维重建技术日益成熟，利用地面三维激光扫描仪获取建筑物的点云数据并进行三维重建迅速成为逆向工程、古建筑物文物保护、数字城市等领域的研究热点，具有广泛的应用前景。然而，由于地面三维激光扫描的建筑物三维模型重建技术仍处于快速发展阶段，许多技术问题亟待解决，如在复杂的大型建筑物重建方面，由于结构的复杂性，要想真实完整地恢复出建筑物的外观模型需要解决复杂细部结构的模型重建等问题。本文以地面三维激光扫描仪采集的徐州戏马台风云阁凉亭的点云数据作为研究对象，对目标物点云数据的精简压缩和表面重建方法进行了深入研究，提出了基于特征分层优化的截面数据精简算法对点云数据进行精简处理和基于特征分层优化的三角网格重建算法对复杂点云结构进行表面重建。通过上述研究，一是使得目标物点云数据更加精简，提高了数据处理效率；二是较好的获取了复杂结构目标物的表面重建效果。利用本文方法获取徐州戏马台风云阁凉亭的表面模型后，可以提取出该目标物的特征线以及目标物立面图、平面图和剖面图等工程图件，用于建筑物资料的保存和工程修缮中。
陶森柏[10]（2011）在《三维可视化体积测量系统的研究与实现》文中指出随着科学技术的迅猛发展,科学计算和观察试验所产生的数据量越来越大。同时,计算机的能力迅速提高,运用计算机图形学及图形处理技术形象、直观地显示科学计算的中间结果及最终结果并进行交互处理已经成为可能。三维可视化体积测量技术正是在这种背景下产生,在虚拟现实、文物保护、机械加工、影视特技制作、计算机仿真、服装设计等领域都有着广泛的应用。本文全面分析了现在主流的三维可视化体积测量技术,对其三个主要步骤：散乱点的采集、三维模型的重建和体积测量,都做了深入的研究。针对现有算法基于不附带拓扑结构的散乱点云进行体积测量效率低下的情况,提出了一种基于散乱点云的快速体积计算法。该方法先对获得的散乱点云进行预处理,如噪声点的去除、点云的简化等；然后使用改进的Delaunay三角剖分对散乱点云进行四面体剖分；然后利用k-近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量；由各点法向量剔除体外四面体；最后计算各四面体体积之和从而得到总体积。该方法相较传统的算法的主要改进在于使用基于Delaunay三角剖分的四面体剖分取代了耗时的表面重建,从而可以基于四面体网格计算目标物的体积。本文最后实现了一个三维可视化体积测量系统,并将上述快速体积计算法应用于该系统。该系统基于CGAL搭建,主要功能有：点集处理、表面重建、网格处理和体积计算。然后利用该系统基于多个散乱点云对本文算法进行了验证,从效率及准确度两个方面对本文算法和传统算法进行了比较,得出本文算法不仅大大提高了计算的效率,而且保证了一定的准确度的结论。
二、基于平行截面的三维散乱点物体表面重构（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、基于平行截面的三维散乱点物体表面重构（论文提纲范文）
（1）基于在机视觉测量的叶片形貌重构点云数据处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及课题来源 |
| 1.2 薄壁类叶片三维测量主要方法 |
| 1.3 国内外研究现状 |
| 1.3.1 航空叶片在机测量技术研究现状 |
| 1.3.2 点云数据预处理技术研究现状 |
| 1.3.3 点云配准技术研究现状 |
| 1.3.4 曲面重构技术研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 叶片形貌测量系统设计与在机环境分析 |
| 2.1 在机测量分析 |
| 2.1.1 在机测量环境分析 |
| 2.1.2 在机测量硬件需求 |
| 2.2 光栅投影单目测量系统平台设计 |
| 2.2.1 系统硬件模块 |
| 2.2.2 系统软件平台 |
| 2.3 光栅投影新型测量模型 |
| 2.3.1 相位-相机坐标关系 |
| 2.3.2 像素点-相机坐标关系 |
| 2.4 单目测量系统标定方法 |
| 2.4.1 测量系统中工业相机标定 |
| 2.4.2 相机标定实验 |
| 2.5 相位展开方法 |
| 2.5.1 相位主值的提取 |
| 2.5.2 多频外差相位展开方法 |
| 2.6 在机测量模拟 |
| 2.7 本章小结 |
| 第3章 薄壁叶片测量点云数据滤波与精简技术研究 |
| 3.1 在机测量噪声点分析 |
| 3.2 噪声点云系统预处理方法 |
| 3.2.1 改进直通滤波方案 |
| 3.2.2 基于统计与半径滤波结合的改进算法 |
| 3.2.3 基于双边滤波的点云处理 |
| 3.2.4 改进体素格栅法下采样算法 |
| 3.3 噪声点云预处理实验 |
| 3.4 本章小结 |
| 第4章 结构光测量系统的叶片点云配准技术研究 |
| 4.1 点云数据配准原理 |
| 4.2 点云数据初始配准方案 |
| 4.2.1 基于特征直方分布(PFH)的SAC-IA配准及分析 |
| 4.2.2 基于快速特征直方分布(FPFH)的SAC-IA初始配准及分析 |
| 4.2.3 基于正态分布NDT配准及分析 |
| 4.3 改进点云数据配准方案 |
| 4.3.1 ICP配准算法原理 |
| 4.3.2 改进航空叶片点云整体配准方案 |
| 4.3.3 配准实验效果与分析 |
| 4.4 本章小结 |
| 第5章 结构光测量系统的叶片曲面重构技术研究 |
| 5.1 点云曲面重构技术 |
| 5.2 基于贪婪投影的改进算法 |
| 5.2.1 KD-tree邻域搜索建立 |
| 5.2.2 切平面的确定与投影 |
| 5.2.3 平面三角剖分与参数分析设置 |
| 5.2.4 基于邻域点参数调整的MLS平滑 |
| 5.3 航空叶片曲面重构算法实验对比 |
| 5.3.1 基于移动立方体表面重构结果 |
| 5.3.2 基于泊松重构算法结果 |
| 5.3.3 基于改进贪婪投影算法表面重构结果 |
| 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及其他成果 |
| 致谢 |
（2）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 |
（3）大型空腔叶片热处理前后的数字化测量及评定（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 数字化测量及评定技术 |
| 1.2.1 数字化测量及评定技术基本概念 |
| 1.2.2 大型空腔叶片热处理前后的数字化测量及评定 |
| 1.3 国内外研究现状 |
| 1.3.1 数字化测量方法研究现状 |
| 1.3.2 数据处理方法研究现状 |
| 1.3.3 模型重构技术研究现状 |
| 1.3.4 基准匹配及评定技术研究现状 |
| 1.4 研究的主要内容 |
| 第2章 大型空腔叶片热处理前后的数字化测量 |
| 2.1 大型空腔叶片的外形结构分析 |
| 2.2 数字化测量方法分类 |
| 2.3 大型空腔叶片的数字化测量方案 |
| 2.3.1 三维激光扫描测量系统 |
| 2.3.2 基于转站原理的三维激光扫描测量 |
| 2.4 本章小结 |
| 第3章 测量数据的处理 |
| 3.1 测量数据处理概述 |
| 3.2 测量数据去除噪声点 |
| 3.2.1 噪声点产生原因 |
| 3.2.2 噪声点去除方法 |
| 3.2.3 大型空腔叶片原始数据的噪声点去除 |
| 3.3 测量数据的精简 |
| 3.3.1 测量数据的精简方法 |
| 3.3.2 大型空腔叶片测量数据的精简算法 |
| 3.4 本章小结 |
| 第4章 热处理后大型空腔叶片的曲面模型重构 |
| 4.1 点云数据分割 |
| 4.1.1 点云数据分割方法 |
| 4.1.2 热处理后大型空腔叶片的点云数据分割 |
| 4.2 曲线、曲面拟合造型 |
| 4.2.1 自由曲线、曲面的数学表达 |
| 4.2.2 曲线的拟合及光顺 |
| 4.2.3 曲面的拟合及光顺 |
| 4.3 热处理后大型空腔叶片的模型重构 |
| 4.3.1 规则曲面的拟合 |
| 4.3.2 自由曲面的拟合 |
| 4.3.3 拟合曲面的拼接 |
| 4.4 本章小结 |
| 第5章 大型空腔叶片热处理前后基准匹配及评定 |
| 5.1 热处理后大型空腔叶片重构模型精度评定 |
| 5.1.1 重构模型的精度评定 |
| 5.1.2 重构模型的精度评定结果分析 |
| 5.2 基准匹配 |
| 5.2.1 基准匹配算法 |
| 5.2.2 大型空腔叶片的基准匹配 |
| 5.3 大型空腔叶片热处理变形评定分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（4）基于结构光扫描的三维点云数据重构算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题的研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 三维点云数据采集研究现状 |
| 1.2.2 点云数据预处理研究现状 |
| 1.2.3 点云曲面重构研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文章节安排 |
| 2 实验平台搭建与点云获取 |
| 2.1 实验平台设计 |
| 2.1.1 整体方案设计 |
| 2.1.2 实验平台搭建 |
| 2.1.3 平台工作界面软件设计 |
| 2.2 三维测量的基本原理 |
| 2.2.1 激光三角法 |
| 2.2.2 坐标系转换 |
| 2.2.3 参数标定 |
| 2.3 线结构光图像中心条纹提取 |
| 2.3.1 线结构光特性分析 |
| 2.3.2 激光条纹中心提取 |
| 2.4 三维点云重建结果 |
| 2.5 本章小结 |
| 3 列车走行部点云数据预处理 |
| 3.1 三维点云数据分析 |
| 3.2 移除冗余点 |
| 3.2.1 去除背景点 |
| 3.2.2 分割列车走行部 |
| 3.3 点云滤波处理 |
| 3.3.1 常用的几种滤波算法 |
| 3.3.2 滤波结果分析 |
| 3.4 点云平滑处理 |
| 3.5 本章小结 |
| 4 基于NURBS的曲面重建 |
| 4.1 NURBS曲面定义与特性 |
| 4.2 单张NURBS曲面插值拟合 |
| 4.2.1 NURBS曲面拟合常用方法 |
| 4.2.2 NURBS插值曲面拟合准则 |
| 4.3 模型列车曲面重建实例分析 |
| 4.3.1 基于Z维度的伪彩色纹理映射准则 |
| 4.3.2 曲面重建结果分析 |
| 4.4 本章小结 |
| 5 基于空间划分的区域增长曲面重建 |
| 5.1 Delaunay三角剖分和Voronoi图 |
| 5.2 区域增长的三角化网格 |
| 5.2.1 点云法向量估计 |
| 5.2.2 局部二维平面三角剖分 |
| 5.2.3 三角网格生成点优化准则 |
| 5.3 模型列车曲面重建实例分析 |
| 5.3.1 曲面重建结果分析 |
| 5.3.2 伪彩色纹理映射 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）Web环境下三维点云数据轻量化处理与模型重构方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 3D打印云服务平台发展的原因及现状 |
| 1.1.2 现有3D打印云服务平台面临的挑战 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 基于Web的计算机辅助设计技术 |
| 1.4.2 三维点云数据预处理及网格重构方法 |
| 1.4.3 三角网格模型分割理论及方法 |
| 1.4.4 面向参数化建模的特征重构方法 |
| 1.5 课题项目支撑 |
| 1.6 论文研究内容 |
| 第2章 Web环境下三维点云数据轻量化处理与模型重构体系框架 |
| 2.1 概述 |
| 2.2 面向3D打印个性化定制的在线三维建模需求分析 |
| 2.2.1 面向3D打印个性化定制的在线三维建模过程分析 |
| 2.2.2 面向3D打印个性化定制的在线三维建模问题分析 |
| 2.3 Web环境下三维点云数据轻量化处理与模型重构概述 |
| 2.3.1 Web环境下三维点云数据轻量化处理与模型重构框架 |
| 2.3.2 Web环境下三维点云数据轻量化处理及三角网格模型重构过程分析 |
| 2.3.3 Web环境下三角网格模型快速分割与特征区域提取过程分析 |
| 2.3.4 基于三角网格模型的基本特征重构过程分析 |
| 2.4 本章小结 |
| 第3章 Web环境下三维点云数据轻量化处理及三角网格模型重构方法 |
| 3.1 概述 |
| 3.2 Web环境下三维点云数据实时传输与去噪 |
| 3.2.1 基于Web Socket的三维点云数据实时传输框架 |
| 3.2.2 基于角度-弦高联合约束的三维点云数据实时去噪 |
| 3.3 Web环境下多视角三维点云数据快速配准 |
| 3.3.1 多视角三维点云数据初始位姿估计 |
| 3.3.2 基于改进ICP算法的三维点云数据快速配准 |
| 3.4 Web环境下三维点云数据空间结构优化与精简 |
| 3.4.1 三维点云数据自适应分层切片处理 |
| 3.4.2 基于数字图像处理的切片点云数据重采样 |
| 3.5 Web环境下轻量化三角网格模型重构 |
| 3.5.1 三维点云数据法向估计概述 |
| 3.5.2 基于PCA和空间晶格的点云法向估计 |
| 3.5.3 三角网格模型重构及孔洞修复 |
| 3.6 实验测试与分析 |
| 3.6.1 实验参数设置 |
| 3.6.2 点云在线实时去噪与配准测试 |
| 3.6.3 点云空间结构优化与精简测试 |
| 3.6.4 点云法向估计与网格重构测试 |
| 3.7 本章小结 |
| 第4章 Web环境下三角网格模型快速分割与特征区域提取方法 |
| 4.1 概述 |
| 4.2 基于统计学的OS-ELM训练样本集构建 |
| 4.2.1 三角网格模型顶点高斯曲率估计 |
| 4.2.2 基于频率直方图分析的高斯曲率阈值提取 |
| 4.3 基于OS-ELM的在线快速模型分割 |
| 4.3.1 基于PCA的形状特征描述子降维 |
| 4.3.2 基于少量样本模型的OS-ELM初始化 |
| 4.3.3 基于新输入模型的OS-ELM在线增量学习 |
| 4.3.4 特征点区域骨架化处理 |
| 4.3.5 边界线闭合与光顺处理 |
| 4.4 实验测试与分析 |
| 4.4.1 实验测试平台与数据集 |
| 4.4.2 分割可视化效果分析 |
| 4.4.3 分割算法时间复杂度分析 |
| 4.4.4 分割一致性分析 |
| 4.4.5 分割综合评价 |
| 4.5 本章小结 |
| 第5章 基于三角网格模型的基本特征重构方法 |
| 5.1 概述 |
| 5.2 基本特征与广义扫掠体 |
| 5.3 特征截面与特征路径获取 |
| 5.3.1 三角网格模型顶点主曲率计算 |
| 5.3.2 基于高斯映射的特征截面提取 |
| 5.3.3 基于质心计算的特征路径提取 |
| 5.4 截面草图曲线获取与基本特征重构 |
| 5.4.1 截面草图曲线分段拟合 |
| 5.4.2 截面草图曲线几何约束施加与优化 |
| 5.5 基本特征重构实例分析 |
| 5.5.1 特征截面与特征路径获取实例分析 |
| 5.5.2 截面草图曲线获取与特征重构实例分析 |
| 5.6 本章小结 |
| 第6章 基于Web的三维扫描轻量化建模系统开发与实例应用 |
| 6.1 系统开发背景与运行环境 |
| 6.1.1 系统辅助开发设计工具 |
| 6.1.2 系统开发环境与架构分析 |
| 6.1.3 系统开发背景 |
| 6.2 系统应用实例 |
| 6.2.1 系统登录与建模界面 |
| 6.2.2 点云数据轻量化处理与网格重构 |
| 6.2.3 三角网格模型在线分割处理 |
| 6.2.4 基本特征重构及3D打印效果 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参与的科研项目 |
| 附录3 项目验收报告 |
| 附录4 软件版权 |
（6）三维激光扫描数据精简、表面重构方法及应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表Ⅹ |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 1.5 本文结构安排 |
| 2 三维激光扫描技术与数据预处理 |
| 2.1 三维激光扫描技术 |
| 2.2 三维激光扫描系统技术指标 |
| 2.3 三维激光扫描数据处理软件 |
| 2.4 点云数据预处理 |
| 2.5 本章小结 |
| 3 点云数据的空间索引及聚类 |
| 3.1 点云邻域 |
| 3.2 点云空间索引结构 |
| 3.3 散乱点云聚类 |
| 3.4 算法实例与分析 |
| 3.5 本章小结 |
| 4 散乱点云特征提取 |
| 4.1 传统点云特征点提取方法 |
| 4.2 基于单位法向扩展距离的点云特征提取 |
| 4.3 基于近邻点切平面投影分布的点云边界提取方法 |
| 4.4 算法实例及分析 |
| 4.5 本章小结 |
| 5 特征保留的散乱点云精简方法 |
| 5.1 经典散乱点云精简方法 |
| 5.2 点云精简算法评价指标 |
| 5.3 基于特征保留的点云精简算法 |
| 5.4 算法实例与分析 |
| 5.5 应用实例 |
| 5.6 本章小结 |
| 6 散乱点云表面重构及应用实例 |
| 6.1 散乱点云表面重构方法分类 |
| 6.2 泊松重建 |
| 6.3 点云法向量一致性调整 |
| 6.4 算法实例与分析 |
| 6.5 应用实例 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）基于激光雷达的船体表面焊缝识别与打磨机器人系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 课题研究现状 |
| 1.2.1 表面处理机器人国外研究现状 |
| 1.2.2 表面处理机器人国内研究现状 |
| 1.2.3 激光扫描技术的发展 |
| 1.3 课题主要研究内容 |
| 1.4 本章小结 |
| 第二章 船体表面焊缝识别与打磨机器人系统结构设计 |
| 2.1 船体表面焊缝识别与打磨机器人设计需求分析 |
| 2.1.1 环境条件 |
| 2.1.2 功能性指标 |
| 2.1.3 安全性设计 |
| 2.2 机构的整体几何模型构造 |
| 2.3 非作业机构设计 |
| 2.3.1 X轴导轨选型 |
| 2.3.2 导轨支架工件设计 |
| 2.3.3 磁吸底座工件设计 |
| 2.3.4 Y轴运动导轨元件 |
| 2.3.5 XY轴连接件设计 |
| 2.4 作业机构平台的设计 |
| 2.5 部分工件有限元分析 |
| 2.5.1 Y轴导轨支撑件应力应变分析 |
| 2.5.2 转轴工件应力应变分析 |
| 2.6 本章小结 |
| 第三章 船体表面焊缝识别与打磨机器人控制系统设计 |
| 3.1 机器人电气与控制系统总体方案设计 |
| 3.2 机器人电气与控制系统硬件器件选型 |
| 3.3 机器人控制系统软件设计 |
| 3.3.1 运动模式 |
| 3.3.2 系统软件界面设计 |
| 3.3.3 通信模块设计 |
| 3.4 本章小结 |
| 第四章 船体表面焊缝检测识别与重构算法研究 |
| 4.1 激光雷达特性 |
| 4.2 焊缝数据点识别与提取 |
| 4.2.1 雷达数据点提取 |
| 4.2.2 基于聚类滤波算法的焊缝数据点识别 |
| 4.3 焊缝表面的点云重构 |
| 4.4 基于区域增长的三角网格化算法 |
| 4.4.1 点邻近搜索算法 |
| 4.4.2 构造三角网格的基本概念 |
| 4.4.3 最优顶点的选取 |
| 4.4.4 初始三角形的确定 |
| 4.4.5 三角网格生长主过程 |
| 4.5 本章小结 |
| 第五章 算法实验 |
| 5.1 实验准备 |
| 5.2 激光雷达精度试验 |
| 5.3三维表面重构实验 |
| 5.4 系统误差来源 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（8）面向船体外板加工成型过程的三维点云重建技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外相关技术的研究现状 |
| 1.2.1 k-邻域搜索技术的研究现状 |
| 1.2.2 法向矢量估算算法的研究现状 |
| 1.2.3 数据精简技术的国内外发展现状 |
| 1.2.4 点云过滤技术的研究现状 |
| 1.2.5 散乱点云相关曲面重构算法研究 |
| 1.3 课题来源及本文主要研究内容与结构 |
| 1.3.1 课题来源 |
| 1.3.2 本文研究内容及创新点 |
| 1.4 论文结构 |
| 第二章 点云数据预处理 |
| 2.1 点云模型的几何预处理的必要性 |
| 2.2 采集弯板复杂曲面点云数据 |
| 2.2.1 三维点云获取技术 |
| 2.2.2 激光扫描设备的测量原理 |
| 2.2.3 点云数据的类型 |
| 2.3 预处理点云数据 |
| 2.3.1 点云去噪处理 |
| 2.3.2 点云数据精简处理 |
| 2.3.3 点云平滑处理 |
| 2.4 本章小结 |
| 第三章 基于几何流的点云空间分割 |
| 3.1 建立散乱点云数据拓扑关系 |
| 3.1.1 划分点云数据空间 |
| 3.1.2 点云数组结构 |
| 3.1.3 搜索k个邻近数据点 |
| 3.2 局部点云数据的法矢估算及调整 |
| 3.2.1 估算法矢 |
| 3.2.2 平滑点的判断与调整法矢思想 |
| 3.2.3 法矢调整的思路 |
| 3.3 点云数据的曲率估算 |
| 3.3.1 平均曲率与高斯曲率 |
| 3.3.2 特征曲率的介绍 |
| 3.3.3 特征曲率的计算 |
| 3.4 本章小结 |
| 第四章 保留特征信息的散乱点云精简与平滑算法研究 |
| 4.1 保留散乱点云数据的特征信息 |
| 4.1.1 提取船体弯板曲面点云的边界特征点 |
| 4.1.2 保留散乱点云数据边界特征算法 |
| 4.2 点云精简算法研究 |
| 4.2.1 点云数据精简算法思路 |
| 4.2.2 局部点云的几何特征量的估算 |
| 4.3 基于特征曲率的点云精简算法 |
| 4.3.1 参数选择 |
| 4.3.2 数据精简 |
| 4.4 实验与分析 |
| 4.5 点云数据平滑法 |
| 4.5.1 保留钢板曲面特征点的数据平滑基本思路 |
| 4.5.2 应用Kuwahara滤波算法调整 |
| 4.5.3 平坦区域点云法矢的拉普拉斯修正 |
| 4.5.4 调整采样点的位置 |
| 4.6 本章小结 |
| 第五章 船体外板曲面重构研究 |
| 5.1 选择NURBS曲面重构法的原因 |
| 5.2 NURBS曲面的拟合技术 |
| 5.2.1 NURBS曲线的定义和性质 |
| 5.2.2 NURBS曲面重建方案 |
| 5.2.3 NURBS曲线拟合流程 |
| 5.3 NURBS的曲面拟合过程 |
| 5.3.1 数据点的过滤与简化 |
| 5.3.2 反求控制点 |
| 5.3.3 统一节点的矢量 |
| 5.4 实例与分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文及专利 |
| 攻读学位期间参加的科研项目 |
| 致谢 |
（9）基于地面三维激光扫描测量技术的复杂建筑物建模研究（论文提纲范文）
| 附件 |
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| Contents |
| 图清单 |
| 表清单 |
| 变量注释表 |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 地面三维激光扫描技术的优势及与传统测量技术的比较 |
| 1.4 本文研究的主要内容 |
| 2 地面三维激光扫描系统 |
| 2.1 三维激光扫描系统及基本工作原理 |
| 2.2 地面三维激光扫描技术的数据特点及应用 |
| 2.3 地面三维激光扫描数据处理流程及软件介绍 |
| 2.4 Trimble GX200 三维激光扫描系统 |
| 3 地面三维激光扫描数据预处理及精简研究 |
| 3.1 点云数据获取 |
| 3.2 点云数据的分割去噪 |
| 3.3 点云数据的精简压缩处理 |
| 3.4 总结 |
| 4 点云数据的表面重构 |
| 4.1 模型的 3D 表示 |
| 4.2 基于建筑物结构特征分割的三角网格重建 |
| 4.3 表面重构算法流程 |
| 4.4 Geomagic Studio 软件建模研究 |
| 4.5 本章小结 |
| 5 地面三维激光扫描技术在建筑物测绘中的应用 |
| 5.1 建筑物的特征线提取 |
| 5.2 建筑物各个图件的简单绘制 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（10）三维可视化体积测量系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 三维可视化体积测量概述 |
| 1.2 三维可视化体积测量的研究意义 |
| 1.3 三维可视化体积测量的发展现状 |
| 1.4 本文的工作介绍 |
| 2 三维可视化体积测量概述 |
| 2.1 三维散乱点的获取 |
| 2.1.1 摄像机标定 |
| 2.1.2 特征提取及立体匹配 |
| 2.1.3 三维坐标计算 |
| 2.2 三维模型重建 |
| 2.3 体积测量 |
| 2.3.1 蒙特卡洛法 |
| 2.3.2 投影法 |
| 2.3.3 切片法 |
| 2.3.4 行列式法 |
| 3 基于散乱点云的快速体积计算 |
| 3.1 散乱点云的预处理 |
| 3.1.1 散乱点云去噪 |
| 3.1.2 散乱点云精简 |
| 3.2 基于Delaunay三角剖分的四面体剖分 |
| 3.2.1 凸包的基本概念 |
| 3.2.2 Delaunay三角剖分定义 |
| 3.2.3 三维空间Delaunay三角剖分生成算法 |
| 3.3 散乱点法向量的计算 |
| 3.3.1 基于拟合曲面或最小二乘平面计算法向量 |
| 3.3.2 法向量一致化 |
| 3.4 体积的计算 |
| 4 基于CGAL的三维可视化体积测量系统的实现 |
| 4.1 CGAL的使用 |
| 4.1.1 CGAL简介 |
| 4.1.2 CGAL的配置 |
| 4.2 三维可视化体积测量系统的实现 |
| 4.2.1 点集处理 |
| 4.2.2 表面重建 |
| 4.2.3 网格处理 |
| 4.2.4 体积计算 |
| 5 算法验证 |
| 5.1 表面重建法 |
| 5.2 本文算法 |
| 5.3 总结 |
| 6 结论 |
| 7 展望 |
| 8 参考文献 |
| 9 攻读硕士学位期间发表论文情况 |
| 10 致谢 |
四、基于平行截面的三维散乱点物体表面重构（论文参考文献）
- [1]基于在机视觉测量的叶片形貌重构点云数据处理技术研究[D]. 马康盛. 哈尔滨理工大学, 2021
- [2]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)
- [3]大型空腔叶片热处理前后的数字化测量及评定[D]. 齐淑生. 河南科技大学, 2020(07)
- [4]基于结构光扫描的三维点云数据重构算法研究[D]. 徐吉轩. 北京交通大学, 2020
- [5]Web环境下三维点云数据轻量化处理与模型重构方法研究[D]. 赵飞宇. 武汉理工大学, 2019
- [6]三维激光扫描数据精简、表面重构方法及应用研究[D]. 段志鑫. 中国矿业大学, 2019(12)
- [7]基于激光雷达的船体表面焊缝识别与打磨机器人系统研究[D]. 李昊. 上海交通大学, 2016(03)
- [8]面向船体外板加工成型过程的三维点云重建技术研究与实现[D]. 孙志敬. 广东工业大学, 2014(10)
- [9]基于地面三维激光扫描测量技术的复杂建筑物建模研究[D]. 于海霞. 中国矿业大学, 2014(02)
- [10]三维可视化体积测量系统的研究与实现[D]. 陶森柏. 天津科技大学, 2011(04)