三維點云：原理、方法與技術（上）

目錄
前言
第一部分　點云獲取與預處理　
第1章　點云數(shù)據(jù)獲取　3　
1.1　點云數(shù)據(jù)的直接獲取　3　
1.1.1　接觸法　4　
1.1.2　非接觸法　4　
1.2　點云數(shù)據(jù)的間接獲取　8　
1.2.1　圖像融合技術　8　
1.2.2　圖像融合算法　9　
1.2.3　基于多圖像融合的點云獲取　11　
1.3　點云數(shù)據(jù)獲取方法評價　13　
1.4　點云數(shù)據(jù)的格式　14　
1.4.1　obj文件格式　15　
1.4.2　off文件格式　16　
1.4.3　ply文件格式　17　
1.4.4　wrl文件格式　20　
1.5　本章小結(jié)　22
參考文獻　23
第2章　點云去噪、精簡與重采樣　24　
2.1　點云數(shù)據(jù)的噪聲處理　24　
2.1.1　點云數(shù)據(jù)噪聲分析　24　
2.1.2　有序點云去噪算法　25　
2.1.3　無序點云去噪算法　30　
2.2　點云數(shù)據(jù)的精簡　36　
2.2.1　單一直接精簡方法　36　
2.2.2　優(yōu)化組合精簡方法　38　
2.3　點云數(shù)據(jù)重采樣　41　
2.3.1　WLOP重采樣法　41　
2.3.2　EAR算法　43　
2.3.3　基于切片的重采樣法　46　
2.4　本章小結(jié)　51
參考文獻　51
第3章　點云補缺　53　
3.1　點云孔洞整體補缺方法　53　
3.1.1　基于脊、谷線的整體補缺方法　53　
3.1.2　基于投影的整體補缺方法　64　
3.2　點云孔洞細分補缺方法　70　
3.2.1　基于脊、谷線的細分補缺方法　70　
3.2.2　基于切片的細分補缺方法　75　
3.3　本章小結(jié)　80
參考文獻　81
第二部分　點云特征分析與計算　
第4章　點云特征分析　85　
4.1　點的鄰域　85　
4.1.1　球形鄰域　85　
4.1.2　k近鄰　86　
4.1.3　BSP近鄰　86　
4.1.4　Voronoi近鄰　88　
4.2　法矢　89　
4.2.1　主成分分析法　89　
4.2.2　平面擬合法　90　
4.2.3　曲面擬合法　91　
4.3　曲率　92　
4.3.1　曲率定義　92　
4.3.2　曲率分類　93　
4.3.3　曲率估算方法　95　
4.4　脊、谷特征　96　
4.4.1　脊、谷點　96　
4.4.2　脊、谷線　98　
4.5　輪廓特征　99　
4.5.1　輪廓點提取　99　
4.5.2　輪廓線　100　
4.6　邊界特征　101　
4.6.1　基于積分不變量的邊界提取算法　102　
4.6.2　基于k鄰域的邊界提取算法　103　
4.6.3　基于動態(tài)空間索引的邊界提取算法　104　
4.7　測地距離　106　
4.7.1　基于*小二乘支持向量機的測地距離　106　
4.7.2　基于快速跟蹤的測地距離　107　
4.8　本章小結(jié)　108
參考文獻　109
第5章　點云物體骨架提取　110　
5.1　骨架概述　110　
5.1.1　骨架定義　110　
5.1.2　骨架性質(zhì)　111　
5.2　骨架提取方法　113　
5.2.1　體方法　113　
5.2.2　幾何方法　119　
5.3　典型應用　144　
5.4　本章小結(jié)　147
參考文獻　147
第6章　點云物體脊、谷線提取　150　
6.1　脊、谷點提取　150　
6.1.1　相關概念　150　
6.1.2　點云的脊、谷點提取　152　
6.1.3　網(wǎng)格的脊、谷點提取　154　
6.2　脊、谷線提取　155　
6.2.1　脊、谷線連接　155　
6.2.2　脊、谷線優(yōu)化　155　
6.3　輪廓線提取　156　
6.3.1　輪廓點提取　156　
6.3.2　輪廓線連接　157　
6.4　脊、谷線與輪廓線整合　158　
6.4.1　可見性判定　158　
6.4.2　特征線整合　159　
6.5　本章小結(jié)　160
參考文獻　160
第三部分　點云識別與理解　
第7章　點云分割方法評價標準　165　
7.1　傳統(tǒng)的評價標準　165　
7.1.1　CE方法　166　
7.1.2　CD方法　167　
7.1.3　HD方法　167　
7.1.4　RI方法　168　
7.2　新的評價標準　168　
7.2.1　SHD準則　168　
7.2.2　AEI準則　170　
7.3　評價標準實驗對比　171　
7.3.1　極限分割　172　
7.3.2　層次分割　172　
7.4　本章小結(jié)　173
參考文獻　174
第8章　點云構件識別與提取　175　
8.1　基本形狀識別與提取　175　
8.1.1　Hough變換算法　176　
8.1.2　RANSAC算法　177　
8.1.3　高斯球算法　178　
8.2　單目標物體構件識別與提取　183　
8.2.1　k-means聚類分割算法　183　
8.2.2　光譜聚類算法　187　
8.2.3　特征層次分割算法　188　
8.2.4　多分辨率層次分割算法　192　
8.2.5　基于骨架的層次分割算法　196　
8.2.6　基于徑向反射的分割算法　201　
8.2.7　基于臨界點的分割算法　202　
8.2.8　基于感知信息的形狀分割算法　205　
8.2.9　基于切片的分割算法　210　
8.2.10　基于骨架點與脊、谷點的分割算法　213　
8.3　本章小結(jié)　220
參考文獻　221
第9章　點云物體識別與提取　224　
9.1　物體識別與提取的基本方法　224　
9.1.1　基于局部特征的物體識別與提取　224　
9.1.2　基于圖匹配的物體識別與提取　225　
9.1.3　基于幾何不變性的物體識別與提取　229　
9.1.4　基于邊界特征分類的物體識別與提取　230　
9.1.5　基于種子擴張的物體識別與提取　232　
9.2　基于形狀與拓撲的物體識別與提取　238　
9.2.1　基本形狀的提取　239　
9.2.2　拓撲結(jié)構屬性圖的構造　239　
9.2.3　目標對象庫的構造　243　
9.2.4　基本形狀組合與目標對象識別　245　
9.3　基于知識表示的物體識別與提取　247　
9.3.1　空間場景的特征描述　248　
9.3.2　基于知識的場景特征表示　249　
9.3.3　基于知識的目標識別　254　
9.3.4　場景知識的不確定性分析　256　
9.4　基于構件的物體識別與提取　257　
9.4.1　場景拓撲關系提取　257　
9.4.2　物體的識別與提取　266　
9.5　基于機器學習的物體識別與提取　271　
9.6　本章小結(jié)　272
參考文獻　273　
第10章　點云場景表達與理解　275　
10.1　點云物體表達　275　
10.1.1　基于形狀體的物體表達　276　
10.1.2　基于骨架的物體表達　281　
10.1.3　基于語義圖的物體表達　288　
10.1.4　基于知識規(guī)則的物體表達　290　
10.2　點云場景表達　290　
10.2.1　基于結(jié)構的場景表達　290　
10.2.2　基于知識規(guī)則的場景表達　291　
10.2.3　基于知識圖譜的場景表達　292　
10.3　點云場景理解　296　
10.3.1　基于形狀語義圖的物體識別與理解　296　
10.3.2　基于知識圖譜的場景識別與理解　300　
10.4　本章小結(jié)　309
參考文獻　309