掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
三維點云數據處理關鍵技術研究 版權信息
- ISBN：9787121463242
- 條形碼：9787121463242 ; 978-7-121-46324-2
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
三維點云數據處理關鍵技術研究 內容簡介
點云數據處理是三維重建領域的一項重要研究內容之一，涉及去噪、簡化、配準、分割及檢索等關鍵技術，已經在醫學研究、文物虛擬復原及工程建設等領域得到日益廣泛的應用。本書共14章，全面系統地介紹了點云數據的類型、特點和獲取方法，以及常見點云數據處理技術的應用領域，重點提出了與點云去噪、點云簡化、點云配準、點云分割、點云模型檢索等相關的11種優化點云數據處理算法，并將其應用于實際領域中。本書強調理論創新，注重實驗驗證，并提供了樣例示范，內容豐富多樣，可供圖形圖像處理、測繪遙感、計算機視覺等專業研究生使用，對從事相關研究的科技人員及業余愛好者也有一定的參考價值。
三維點云數據處理關鍵技術研究 目錄
目 錄
**部分
第1章 點云數據處理概述 002
1.1 引言 002
1.2 三維點云數據 003
1.2.1 點云數據的獲取 003
1.2.2 點云數據的類型 004
1.2.3 點云數據的存儲格式 005
1.2.4 點云數據的特征 006
1.3 點云數據處理算法 007
1.3.1 點云去噪算法 007
1.3.2 點云簡化算法 008
1.3.3 點云配準算法 010
1.3.4 點云分割算法 012
1.3.5 點云模型檢索算法 013
1.4 點云數據處理技術的應用領域 014
1.5 本章小結 015
本章參考文獻 016
第二部分
第2章 特征保持的點云去噪算法 024
2.1 引言 024
2.2 基于張量投票的初始粗去噪 025
2.2.1 計算張量投票矩陣 025
2.2.2 初始粗去噪算法的步驟 025
2.3 基于曲率特征的精去噪 027
2.3.1 計算曲率 027
2.3.2 精去噪算法的步驟 028
2.4 實驗結果與分析 029
2.4.1 公共點云數據模型去噪 029
2.4.2 文物點云數據模型去噪 032
2.5 本章小結 035
本章參考文獻 035
第三部分
第3章 基于信息熵和聚類的點云簡化算法 038
3.1 引言 038
3.2 基于信息熵的初始粗簡化 039
3.3 基于改進KMC的精簡化 040
3.3.1 傳統KMC算法 040
3.3.2 改進KMC算法 040
3.4 簡化算法的評價指標 041
3.4.1 簡化率 041
3.4.2 簡化精度 042
3.5 實驗結果與分析 042
3.5.1 公共點云數據模型簡化 043
3.5.2 文物點云數據模型簡化 044
3.6 本章小結 046
本章參考文獻 046
第4章 基于點重要性判斷的點云簡化算法 048
4.1 引言 048
4.2 點重要性計算 048
4.2.1 特征算子計算 049
4.2.2 特征算子融合 049
4.3 基于八叉樹的非特征點簡化 050
4.4 實驗結果與分析 051
4.4.1 公共點云數據模型簡化 051
4.4.2 文物點云數據模型簡化 053
4.5 本章小結 056
本章參考文獻 056
第5章 基于柵格劃分和曲率分級的點云簡化算法 058
5.1 引言 058
5.2 基于權值的初的簡化 059
5.2.1 構造點云長方體包圍盒 059
5.2.2 劃分點云空間結構 059
5.2.3 計算柵格權值 060
5.3 基于曲率分級的精確簡化 060
5.3.1 計算平均曲率 061
5.3.2 曲率分級 062
5.4 本章點云簡化算法的步驟 062
5.5 實驗結果與分析 063
5.5.1 公共點云數據模型簡化 063
5.5.2 文物點云簡化 065
5.6 本章小結 069
本章參考文獻 069
第四部分
第6章 基于正態分布和曲率的層次化點云配準算法 072
6.1 引言 072
6.2 基于改進NDT的粗配準 073
6.2.1 NDT算法 073
6.2.2 改進的NDT算法 074
6.3 基于曲率ICP的精配準 075
6.3.1 ICP算法 075
6.3.2 基于曲率的ICP算法 076
6.4 實驗結果與分析 078
6.4.1 公共點云數據模型配準 078
6.4.2 顱骨點云數據模型配準 080
6.5 本章小結 082
本章參考文獻 083
第7章 基于特征點和改進ICP的點云配準算法 084
7.1 引言 084
7.2 基于特征點的粗配準 085
7.2.1 特征點提取 085
7.2.2 粗配準算法的步驟 086
7.3 基于改進ICP的精配準 087
7.4 實驗結果與分析 088
7.4.1 公共點云配準 088
7.4.2 文物碎片點云數據模型匹配 090
7.5 本章小結 093
本章參考文獻 094
第8章 基于特征區域劃分的點云配準算法 096
8.1 引言 096
8.2 特征點提取 097
8.3 基于區域劃分的粗配準 098
8.3.1 特征點區域劃分 098
8.3.2 區域配準 098
8.4 基于閾值約束ICP的精配準 100
8.5 實驗結果與分析 101
8.6 本章小結 104
本章參考文獻 104
第9章 基于降維多尺度FPFH和改進ICP的點云配準算法 107
9.1 引言 107
9.2 降維多尺度FPFH 108
9.2.1 FPFH的原理 108
9.2.2 多尺度FPFH 109
9.2.3 多尺度FPFH的降維 109
9.3 基于降維多尺度FPFH的粗配準 110
9.4 基于改進ICP的點云精配準 111
9.5 實驗結果與分析 112
9.5.1 公共點云數據模型配準 113
9.5.2 文物碎片點云數據模型匹配 114
9.6 本章小結 116
本章參考文獻 117
第五部分
第10章 基于改進隨機抽樣一致的點云分割算法 120
10.1 引言 120
10.2 RANSAC點云分割算法 121
10.2.1 RANSAC算法原理 121
10.2.2 RANSAC算法缺點 122
10.3 改進的RANSAC點云分割算法 122
10.3.1 K-D樹與半徑空間密度 123
10.3.2 改進初始點選取 123
10.3.3 判斷準則的設計 124
10.3.4 面片合并 124
10.4 本章點云分割算法步驟 125
10.5 實驗結果與分析 126
10.6 本章小結 128
本章參考文獻 128
第11章 基于SVM和加權RF的點云分割算法 129
11.1 引言 129
11.2 基于SVM的點云粗分割 130
11.2.1 點云特征提取 130
11.2.2 基于混合核函數的SVM 132
11.2.3 基于SVM的粗分割算法步驟 133
11.3 基于加權RF的點云精分割 133
11.3.1 RF 133
11.3.2 加權RF 134
11.3.3 基于權重的決策樹投票法 136
11.3.4 基于加權RF的精分割算法步驟 137
11.4 點云分割算法的評價指標 137
11.5 實驗結果與分析 138
11.5.1 ModelNet 40點云分割 138
11.5.2 Semantic 3D點云分割 140
11.5.3 文物點云分割 142
11.6 本章小結 145
本章參考文獻 145
第六部分
第12章 基于特征融合的點云數據模型快速檢索算法 150
12.1 引言 150
12.2 特征計算 151
12.2.1 曲率特征 151
12.2.2 法向夾角 152
12.3 特征融合 153
12.4 基于融合特征匹配的檢索 154
12.5 實驗結果與分析 155
12.6 本章小結 158
本章參考文獻 158
第七部分
第13章 點云數據處理技術在文物修復中的應用 160
13.1 引言 160
13.2 特征參數計算 161
13.2.1 點到鄰域點的平均距離 161
13.2.2 點到鄰域重心的距離 162
13.2.3 曲率及鄰域法向夾角平均值 162
13.2.4 4個特征參數融合 163
13.3 基于尺度ICP的特征點集匹配 164
13.4 文物碎片匹配算法的步驟 165
13.5 實驗結果與分析 166
13.6 本章小結 170
本章參考文獻 170
第14章 點云數據處理技術在顱面復原中的應用 172
14.1 引言 172
14.2 孔洞輪廓線的提取和分類 173
14.3 輪廓線的擬合和表示 174
14.3.1 輪廓線的擬合 174
14.3.2 輪廓線的表示 175
14.4 輪廓線匹配 176
14.5 實驗結果與分析 177
14.6 本章小結 179
本章參考文獻 180
后記 182
**部分
第1章 點云數據處理概述 002
1.1 引言 002
1.2 三維點云數據 003
1.2.1 點云數據的獲取 003
1.2.2 點云數據的類型 004
1.2.3 點云數據的存儲格式 005
1.2.4 點云數據的特征 006
1.3 點云數據處理算法 007
1.3.1 點云去噪算法 007
1.3.2 點云簡化算法 008
1.3.3 點云配準算法 010
1.3.4 點云分割算法 012
1.3.5 點云模型檢索算法 013
1.4 點云數據處理技術的應用領域 014
1.5 本章小結 015
本章參考文獻 016
第二部分
第2章 特征保持的點云去噪算法 024
2.1 引言 024
2.2 基于張量投票的初始粗去噪 025
2.2.1 計算張量投票矩陣 025
2.2.2 初始粗去噪算法的步驟 025
2.3 基于曲率特征的精去噪 027
2.3.1 計算曲率 027
2.3.2 精去噪算法的步驟 028
2.4 實驗結果與分析 029
2.4.1 公共點云數據模型去噪 029
2.4.2 文物點云數據模型去噪 032
2.5 本章小結 035
本章參考文獻 035
第三部分
第3章 基于信息熵和聚類的點云簡化算法 038
3.1 引言 038
3.2 基于信息熵的初始粗簡化 039
3.3 基于改進KMC的精簡化 040
3.3.1 傳統KMC算法 040
3.3.2 改進KMC算法 040
3.4 簡化算法的評價指標 041
3.4.1 簡化率 041
3.4.2 簡化精度 042
3.5 實驗結果與分析 042
3.5.1 公共點云數據模型簡化 043
3.5.2 文物點云數據模型簡化 044
3.6 本章小結 046
本章參考文獻 046
第4章 基于點重要性判斷的點云簡化算法 048
4.1 引言 048
4.2 點重要性計算 048
4.2.1 特征算子計算 049
4.2.2 特征算子融合 049
4.3 基于八叉樹的非特征點簡化 050
4.4 實驗結果與分析 051
4.4.1 公共點云數據模型簡化 051
4.4.2 文物點云數據模型簡化 053
4.5 本章小結 056
本章參考文獻 056
第5章 基于柵格劃分和曲率分級的點云簡化算法 058
5.1 引言 058
5.2 基于權值的初的簡化 059
5.2.1 構造點云長方體包圍盒 059
5.2.2 劃分點云空間結構 059
5.2.3 計算柵格權值 060
5.3 基于曲率分級的精確簡化 060
5.3.1 計算平均曲率 061
5.3.2 曲率分級 062
5.4 本章點云簡化算法的步驟 062
5.5 實驗結果與分析 063
5.5.1 公共點云數據模型簡化 063
5.5.2 文物點云簡化 065
5.6 本章小結 069
本章參考文獻 069
第四部分
第6章 基于正態分布和曲率的層次化點云配準算法 072
6.1 引言 072
6.2 基于改進NDT的粗配準 073
6.2.1 NDT算法 073
6.2.2 改進的NDT算法 074
6.3 基于曲率ICP的精配準 075
6.3.1 ICP算法 075
6.3.2 基于曲率的ICP算法 076
6.4 實驗結果與分析 078
6.4.1 公共點云數據模型配準 078
6.4.2 顱骨點云數據模型配準 080
6.5 本章小結 082
本章參考文獻 083
第7章 基于特征點和改進ICP的點云配準算法 084
7.1 引言 084
7.2 基于特征點的粗配準 085
7.2.1 特征點提取 085
7.2.2 粗配準算法的步驟 086
7.3 基于改進ICP的精配準 087
7.4 實驗結果與分析 088
7.4.1 公共點云配準 088
7.4.2 文物碎片點云數據模型匹配 090
7.5 本章小結 093
本章參考文獻 094
第8章 基于特征區域劃分的點云配準算法 096
8.1 引言 096
8.2 特征點提取 097
8.3 基于區域劃分的粗配準 098
8.3.1 特征點區域劃分 098
8.3.2 區域配準 098
8.4 基于閾值約束ICP的精配準 100
8.5 實驗結果與分析 101
8.6 本章小結 104
本章參考文獻 104
第9章 基于降維多尺度FPFH和改進ICP的點云配準算法 107
9.1 引言 107
9.2 降維多尺度FPFH 108
9.2.1 FPFH的原理 108
9.2.2 多尺度FPFH 109
9.2.3 多尺度FPFH的降維 109
9.3 基于降維多尺度FPFH的粗配準 110
9.4 基于改進ICP的點云精配準 111
9.5 實驗結果與分析 112
9.5.1 公共點云數據模型配準 113
9.5.2 文物碎片點云數據模型匹配 114
9.6 本章小結 116
本章參考文獻 117
第五部分
第10章 基于改進隨機抽樣一致的點云分割算法 120
10.1 引言 120
10.2 RANSAC點云分割算法 121
10.2.1 RANSAC算法原理 121
10.2.2 RANSAC算法缺點 122
10.3 改進的RANSAC點云分割算法 122
10.3.1 K-D樹與半徑空間密度 123
10.3.2 改進初始點選取 123
10.3.3 判斷準則的設計 124
10.3.4 面片合并 124
10.4 本章點云分割算法步驟 125
10.5 實驗結果與分析 126
10.6 本章小結 128
本章參考文獻 128
第11章 基于SVM和加權RF的點云分割算法 129
11.1 引言 129
11.2 基于SVM的點云粗分割 130
11.2.1 點云特征提取 130
11.2.2 基于混合核函數的SVM 132
11.2.3 基于SVM的粗分割算法步驟 133
11.3 基于加權RF的點云精分割 133
11.3.1 RF 133
11.3.2 加權RF 134
11.3.3 基于權重的決策樹投票法 136
11.3.4 基于加權RF的精分割算法步驟 137
11.4 點云分割算法的評價指標 137
11.5 實驗結果與分析 138
11.5.1 ModelNet 40點云分割 138
11.5.2 Semantic 3D點云分割 140
11.5.3 文物點云分割 142
11.6 本章小結 145
本章參考文獻 145
第六部分
第12章 基于特征融合的點云數據模型快速檢索算法 150
12.1 引言 150
12.2 特征計算 151
12.2.1 曲率特征 151
12.2.2 法向夾角 152
12.3 特征融合 153
12.4 基于融合特征匹配的檢索 154
12.5 實驗結果與分析 155
12.6 本章小結 158
本章參考文獻 158
第七部分
第13章 點云數據處理技術在文物修復中的應用 160
13.1 引言 160
13.2 特征參數計算 161
13.2.1 點到鄰域點的平均距離 161
13.2.2 點到鄰域重心的距離 162
13.2.3 曲率及鄰域法向夾角平均值 162
13.2.4 4個特征參數融合 163
13.3 基于尺度ICP的特征點集匹配 164
13.4 文物碎片匹配算法的步驟 165
13.5 實驗結果與分析 166
13.6 本章小結 170
本章參考文獻 170
第14章 點云數據處理技術在顱面復原中的應用 172
14.1 引言 172
14.2 孔洞輪廓線的提取和分類 173
14.3 輪廓線的擬合和表示 174
14.3.1 輪廓線的擬合 174
14.3.2 輪廓線的表示 175
14.4 輪廓線匹配 176
14.5 實驗結果與分析 177
14.6 本章小結 179
本章參考文獻 180
后記 182
展開全部
三維點云數據處理關鍵技術研究 作者簡介
趙夫群，西安財經大學軟件工程專業副教授，博士，碩士生導師。計算機學會會員。2000年9月—2004年7月，就讀于西安石油大學計算機學院計算機科學與技術專業，獲工學學士學位；2004年9月—2007年7月，就讀于西安石油大學計算機學院計算機應用專業，獲工學碩士學位；2007年7月—2019年8月，在咸陽師范學院教育科學學院從事教學工作；2015年9月—2019年7月，就讀于西北大學信息科學與技術學院軟件工程專業，獲工學博士學位；2019年9月至今，在西安財經大學信息學院從事教學工作。研究方向：信息檢索、三維建模。
書友推薦
- >
詩經-先民的歌唱
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
- >
羅曼·羅蘭讀書隨筆-精裝
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
伯納黛特,你要去哪(2021新版)
- >
我從未如此眷戀人間
本類暢銷
