扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
三维点云数据处理关键技术研究 版权信息
- ISBN：9787121463242
- 条形码：9787121463242 ; 978-7-121-46324-2
- 装帧：平塑
- 册数：暂无
- 重量：暂无
- 所属分类：>
三维点云数据处理关键技术研究 内容简介
点云数据处理是三维重建领域的一项重要研究内容之一，涉及去噪、简化、配准、分割及检索等关键技术，已经在医学研究、文物虚拟复原及工程建设等领域得到日益广泛的应用。本书共14章，全面系统地介绍了点云数据的类型、特点和获取方法，以及常见点云数据处理技术的应用领域，重点提出了与点云去噪、点云简化、点云配准、点云分割、点云模型检索等相关的11种优化点云数据处理算法，并将其应用于实际领域中。本书强调理论创新，注重实验验证，并提供了样例示范，内容丰富多样，可供图形图像处理、测绘遥感、计算机视觉等专业研究生使用，对从事相关研究的科技人员及业余爱好者也有一定的参考价值。
三维点云数据处理关键技术研究 目录
目 录
**部分
第1章 点云数据处理概述 002
1.1 引言 002
1.2 三维点云数据 003
1.2.1 点云数据的获取 003
1.2.2 点云数据的类型 004
1.2.3 点云数据的存储格式 005
1.2.4 点云数据的特征 006
1.3 点云数据处理算法 007
1.3.1 点云去噪算法 007
1.3.2 点云简化算法 008
1.3.3 点云配准算法 010
1.3.4 点云分割算法 012
1.3.5 点云模型检索算法 013
1.4 点云数据处理技术的应用领域 014
1.5 本章小结 015
本章参考文献 016
第二部分
第2章 特征保持的点云去噪算法 024
2.1 引言 024
2.2 基于张量投票的初始粗去噪 025
2.2.1 计算张量投票矩阵 025
2.2.2 初始粗去噪算法的步骤 025
2.3 基于曲率特征的精去噪 027
2.3.1 计算曲率 027
2.3.2 精去噪算法的步骤 028
2.4 实验结果与分析 029
2.4.1 公共点云数据模型去噪 029
2.4.2 文物点云数据模型去噪 032
2.5 本章小结 035
本章参考文献 035
第三部分
第3章 基于信息熵和聚类的点云简化算法 038
3.1 引言 038
3.2 基于信息熵的初始粗简化 039
3.3 基于改进KMC的精简化 040
3.3.1 传统KMC算法 040
3.3.2 改进KMC算法 040
3.4 简化算法的评价指标 041
3.4.1 简化率 041
3.4.2 简化精度 042
3.5 实验结果与分析 042
3.5.1 公共点云数据模型简化 043
3.5.2 文物点云数据模型简化 044
3.6 本章小结 046
本章参考文献 046
第4章 基于点重要性判断的点云简化算法 048
4.1 引言 048
4.2 点重要性计算 048
4.2.1 特征算子计算 049
4.2.2 特征算子融合 049
4.3 基于八叉树的非特征点简化 050
4.4 实验结果与分析 051
4.4.1 公共点云数据模型简化 051
4.4.2 文物点云数据模型简化 053
4.5 本章小结 056
本章参考文献 056
第5章 基于栅格划分和曲率分级的点云简化算法 058
5.1 引言 058
5.2 基于权值的初的简化 059
5.2.1 构造点云长方体包围盒 059
5.2.2 划分点云空间结构 059
5.2.3 计算栅格权值 060
5.3 基于曲率分级的精确简化 060
5.3.1 计算平均曲率 061
5.3.2 曲率分级 062
5.4 本章点云简化算法的步骤 062
5.5 实验结果与分析 063
5.5.1 公共点云数据模型简化 063
5.5.2 文物点云简化 065
5.6 本章小结 069
本章参考文献 069
第四部分
第6章 基于正态分布和曲率的层次化点云配准算法 072
6.1 引言 072
6.2 基于改进NDT的粗配准 073
6.2.1 NDT算法 073
6.2.2 改进的NDT算法 074
6.3 基于曲率ICP的精配准 075
6.3.1 ICP算法 075
6.3.2 基于曲率的ICP算法 076
6.4 实验结果与分析 078
6.4.1 公共点云数据模型配准 078
6.4.2 颅骨点云数据模型配准 080
6.5 本章小结 082
本章参考文献 083
第7章 基于特征点和改进ICP的点云配准算法 084
7.1 引言 084
7.2 基于特征点的粗配准 085
7.2.1 特征点提取 085
7.2.2 粗配准算法的步骤 086
7.3 基于改进ICP的精配准 087
7.4 实验结果与分析 088
7.4.1 公共点云配准 088
7.4.2 文物碎片点云数据模型匹配 090
7.5 本章小结 093
本章参考文献 094
第8章 基于特征区域划分的点云配准算法 096
8.1 引言 096
8.2 特征点提取 097
8.3 基于区域划分的粗配准 098
8.3.1 特征点区域划分 098
8.3.2 区域配准 098
8.4 基于阈值约束ICP的精配准 100
8.5 实验结果与分析 101
8.6 本章小结 104
本章参考文献 104
第9章 基于降维多尺度FPFH和改进ICP的点云配准算法 107
9.1 引言 107
9.2 降维多尺度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的降维 109
9.3 基于降维多尺度FPFH的粗配准 110
9.4 基于改进ICP的点云精配准 111
9.5 实验结果与分析 112
9.5.1 公共点云数据模型配准 113
9.5.2 文物碎片点云数据模型匹配 114
9.6 本章小结 116
本章参考文献 117
第五部分
第10章 基于改进随机抽样一致的点云分割算法 120
10.1 引言 120
10.2 RANSAC点云分割算法 121
10.2.1 RANSAC算法原理 121
10.2.2 RANSAC算法缺点 122
10.3 改进的RANSAC点云分割算法 122
10.3.1 K-D树与半径空间密度 123
10.3.2 改进初始点选取 123
10.3.3 判断准则的设计 124
10.3.4 面片合并 124
10.4 本章点云分割算法步骤 125
10.5 实验结果与分析 126
10.6 本章小结 128
本章参考文献 128
第11章 基于SVM和加权RF的点云分割算法 129
11.1 引言 129
11.2 基于SVM的点云粗分割 130
11.2.1 点云特征提取 130
11.2.2 基于混合核函数的SVM 132
11.2.3 基于SVM的粗分割算法步骤 133
11.3 基于加权RF的点云精分割 133
11.3.1 RF 133
11.3.2 加权RF 134
11.3.3 基于权重的决策树投票法 136
11.3.4 基于加权RF的精分割算法步骤 137
11.4 点云分割算法的评价指标 137
11.5 实验结果与分析 138
11.5.1 ModelNet 40点云分割 138
11.5.2 Semantic 3D点云分割 140
11.5.3 文物点云分割 142
11.6 本章小结 145
本章参考文献 145
第六部分
第12章 基于特征融合的点云数据模型快速检索算法 150
12.1 引言 150
12.2 特征计算 151
12.2.1 曲率特征 151
12.2.2 法向夹角 152
12.3 特征融合 153
12.4 基于融合特征匹配的检索 154
12.5 实验结果与分析 155
12.6 本章小结 158
本章参考文献 158
第七部分
第13章 点云数据处理技术在文物修复中的应用 160
13.1 引言 160
13.2 特征参数计算 161
13.2.1 点到邻域点的平均距离 161
13.2.2 点到邻域重心的距离 162
13.2.3 曲率及邻域法向夹角平均值 162
13.2.4 4个特征参数融合 163
13.3 基于尺度ICP的特征点集匹配 164
13.4 文物碎片匹配算法的步骤 165
13.5 实验结果与分析 166
13.6 本章小结 170
本章参考文献 170
第14章 点云数据处理技术在颅面复原中的应用 172
14.1 引言 172
14.2 孔洞轮廓线的提取和分类 173
14.3 轮廓线的拟合和表示 174
14.3.1 轮廓线的拟合 174
14.3.2 轮廓线的表示 175
14.4 轮廓线匹配 176
14.5 实验结果与分析 177
14.6 本章小结 179
本章参考文献 180
后记 182
**部分
第1章 点云数据处理概述 002
1.1 引言 002
1.2 三维点云数据 003
1.2.1 点云数据的获取 003
1.2.2 点云数据的类型 004
1.2.3 点云数据的存储格式 005
1.2.4 点云数据的特征 006
1.3 点云数据处理算法 007
1.3.1 点云去噪算法 007
1.3.2 点云简化算法 008
1.3.3 点云配准算法 010
1.3.4 点云分割算法 012
1.3.5 点云模型检索算法 013
1.4 点云数据处理技术的应用领域 014
1.5 本章小结 015
本章参考文献 016
第二部分
第2章 特征保持的点云去噪算法 024
2.1 引言 024
2.2 基于张量投票的初始粗去噪 025
2.2.1 计算张量投票矩阵 025
2.2.2 初始粗去噪算法的步骤 025
2.3 基于曲率特征的精去噪 027
2.3.1 计算曲率 027
2.3.2 精去噪算法的步骤 028
2.4 实验结果与分析 029
2.4.1 公共点云数据模型去噪 029
2.4.2 文物点云数据模型去噪 032
2.5 本章小结 035
本章参考文献 035
第三部分
第3章 基于信息熵和聚类的点云简化算法 038
3.1 引言 038
3.2 基于信息熵的初始粗简化 039
3.3 基于改进KMC的精简化 040
3.3.1 传统KMC算法 040
3.3.2 改进KMC算法 040
3.4 简化算法的评价指标 041
3.4.1 简化率 041
3.4.2 简化精度 042
3.5 实验结果与分析 042
3.5.1 公共点云数据模型简化 043
3.5.2 文物点云数据模型简化 044
3.6 本章小结 046
本章参考文献 046
第4章 基于点重要性判断的点云简化算法 048
4.1 引言 048
4.2 点重要性计算 048
4.2.1 特征算子计算 049
4.2.2 特征算子融合 049
4.3 基于八叉树的非特征点简化 050
4.4 实验结果与分析 051
4.4.1 公共点云数据模型简化 051
4.4.2 文物点云数据模型简化 053
4.5 本章小结 056
本章参考文献 056
第5章 基于栅格划分和曲率分级的点云简化算法 058
5.1 引言 058
5.2 基于权值的初的简化 059
5.2.1 构造点云长方体包围盒 059
5.2.2 划分点云空间结构 059
5.2.3 计算栅格权值 060
5.3 基于曲率分级的精确简化 060
5.3.1 计算平均曲率 061
5.3.2 曲率分级 062
5.4 本章点云简化算法的步骤 062
5.5 实验结果与分析 063
5.5.1 公共点云数据模型简化 063
5.5.2 文物点云简化 065
5.6 本章小结 069
本章参考文献 069
第四部分
第6章 基于正态分布和曲率的层次化点云配准算法 072
6.1 引言 072
6.2 基于改进NDT的粗配准 073
6.2.1 NDT算法 073
6.2.2 改进的NDT算法 074
6.3 基于曲率ICP的精配准 075
6.3.1 ICP算法 075
6.3.2 基于曲率的ICP算法 076
6.4 实验结果与分析 078
6.4.1 公共点云数据模型配准 078
6.4.2 颅骨点云数据模型配准 080
6.5 本章小结 082
本章参考文献 083
第7章 基于特征点和改进ICP的点云配准算法 084
7.1 引言 084
7.2 基于特征点的粗配准 085
7.2.1 特征点提取 085
7.2.2 粗配准算法的步骤 086
7.3 基于改进ICP的精配准 087
7.4 实验结果与分析 088
7.4.1 公共点云配准 088
7.4.2 文物碎片点云数据模型匹配 090
7.5 本章小结 093
本章参考文献 094
第8章 基于特征区域划分的点云配准算法 096
8.1 引言 096
8.2 特征点提取 097
8.3 基于区域划分的粗配准 098
8.3.1 特征点区域划分 098
8.3.2 区域配准 098
8.4 基于阈值约束ICP的精配准 100
8.5 实验结果与分析 101
8.6 本章小结 104
本章参考文献 104
第9章 基于降维多尺度FPFH和改进ICP的点云配准算法 107
9.1 引言 107
9.2 降维多尺度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的降维 109
9.3 基于降维多尺度FPFH的粗配准 110
9.4 基于改进ICP的点云精配准 111
9.5 实验结果与分析 112
9.5.1 公共点云数据模型配准 113
9.5.2 文物碎片点云数据模型匹配 114
9.6 本章小结 116
本章参考文献 117
第五部分
第10章 基于改进随机抽样一致的点云分割算法 120
10.1 引言 120
10.2 RANSAC点云分割算法 121
10.2.1 RANSAC算法原理 121
10.2.2 RANSAC算法缺点 122
10.3 改进的RANSAC点云分割算法 122
10.3.1 K-D树与半径空间密度 123
10.3.2 改进初始点选取 123
10.3.3 判断准则的设计 124
10.3.4 面片合并 124
10.4 本章点云分割算法步骤 125
10.5 实验结果与分析 126
10.6 本章小结 128
本章参考文献 128
第11章 基于SVM和加权RF的点云分割算法 129
11.1 引言 129
11.2 基于SVM的点云粗分割 130
11.2.1 点云特征提取 130
11.2.2 基于混合核函数的SVM 132
11.2.3 基于SVM的粗分割算法步骤 133
11.3 基于加权RF的点云精分割 133
11.3.1 RF 133
11.3.2 加权RF 134
11.3.3 基于权重的决策树投票法 136
11.3.4 基于加权RF的精分割算法步骤 137
11.4 点云分割算法的评价指标 137
11.5 实验结果与分析 138
11.5.1 ModelNet 40点云分割 138
11.5.2 Semantic 3D点云分割 140
11.5.3 文物点云分割 142
11.6 本章小结 145
本章参考文献 145
第六部分
第12章 基于特征融合的点云数据模型快速检索算法 150
12.1 引言 150
12.2 特征计算 151
12.2.1 曲率特征 151
12.2.2 法向夹角 152
12.3 特征融合 153
12.4 基于融合特征匹配的检索 154
12.5 实验结果与分析 155
12.6 本章小结 158
本章参考文献 158
第七部分
第13章 点云数据处理技术在文物修复中的应用 160
13.1 引言 160
13.2 特征参数计算 161
13.2.1 点到邻域点的平均距离 161
13.2.2 点到邻域重心的距离 162
13.2.3 曲率及邻域法向夹角平均值 162
13.2.4 4个特征参数融合 163
13.3 基于尺度ICP的特征点集匹配 164
13.4 文物碎片匹配算法的步骤 165
13.5 实验结果与分析 166
13.6 本章小结 170
本章参考文献 170
第14章 点云数据处理技术在颅面复原中的应用 172
14.1 引言 172
14.2 孔洞轮廓线的提取和分类 173
14.3 轮廓线的拟合和表示 174
14.3.1 轮廓线的拟合 174
14.3.2 轮廓线的表示 175
14.4 轮廓线匹配 176
14.5 实验结果与分析 177
14.6 本章小结 179
本章参考文献 180
后记 182
展开全部
三维点云数据处理关键技术研究 作者简介
赵夫群，西安财经大学软件工程专业副教授，博士，硕士生导师。计算机学会会员。2000年9月—2004年7月，就读于西安石油大学计算机学院计算机科学与技术专业，获工学学士学位；2004年9月—2007年7月，就读于西安石油大学计算机学院计算机应用专业，获工学硕士学位；2007年7月—2019年8月，在咸阳师范学院教育科学学院从事教学工作；2015年9月—2019年7月，就读于西北大学信息科学与技术学院软件工程专业，获工学博士学位；2019年9月至今，在西安财经大学信息学院从事教学工作。研究方向：信息检索、三维建模。
书友推荐
- >
月亮虎
月亮虎
¥14.4¥48.0 - >
李白与唐代文化
李白与唐代文化
¥8.9¥29.8 - >
自卑与超越
自卑与超越
¥12.7¥39.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.5¥10.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥35.5¥48.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥32.4¥49.8
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
