新書推薦：
《
山河不足重，重在遇知己
》
售價：NT$
252.0
《
独自走过悲喜
》
售價：NT$
381.0
《
永不停步：玛格丽特·阿特伍德传
》
售價：NT$
442.0
《
假努力：方向不对，一切白费
》
售價：NT$
335.0
《
北京三万里
》
售價：NT$
437.0
《
争吵的恋人：我们为什么相爱，又为什么争吵
》
售價：NT$
330.0
《
秘史：英国情报机构的崛起
》
售價：NT$
381.0
《
李鸿章及其时代：中西方世界的历史撞击
》
售價：NT$
330.0
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
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。
|
| 目錄：
|
|
目 录第一部分第1章 点云数据处理概述0021.1 引言0021.2 三维点云数据0031.2.1 点云数据的获取0031.2.2 点云数据的类型0041.2.3 点云数据的存储格式0051.2.4 点云数据的特征0061.3 点云数据处理算法0071.3.1 点云去噪算法0071.3.2 点云简化算法0081.3.3 点云配准算法0101.3.4 点云分割算法0121.3.5 点云模型检索算法0131.4 点云数据处理技术的应用领域0141.5 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0242.1 引言0242.2 基于张量投票的初始粗去噪0252.2.1 计算张量投票矩阵0252.2.2 初始粗去噪算法的步骤0252.3 基于曲率特征的精去噪0272.3.1 计算曲率0272.3.2 精去噪算法的步骤0282.4 实验结果与分析0292.4.1 公共点云数据模型去噪0292.4.2 文物点云数据模型去噪0322.5 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0383.1 引言0383.2 基于信息熵的初始粗简化0393.3 基于改进KMC的精简化0403.3.1 传统KMC算法0403.3.2 改进KMC算法0403.4 简化算法的评价指标0413.4.1 简化率0413.4.2 简化精度0423.5 实验结果与分析0423.5.1 公共点云数据模型简化0433.5.2 文物点云数据模型简化0443.6 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0484.1 引言0484.2 点重要性计算0484.2.1 特征算子计算0494.2.2 特征算子融合0494.3 基于八叉树的非特征点简化0504.4 实验结果与分析0514.4.1 公共点云数据模型简化0514.4.2 文物点云数据模型简化0534.5 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0585.1 引言0585.2 基于权值的初的简化0595.2.1 构造点云长方体包围盒0595.2.2 划分点云空间结构0595.2.3 计算栅格权值0605.3 基于曲率分级的精确简化0605.3.1 计算平均曲率0615.3.2 曲率分级0625.4 本章点云简化算法的步骤0625.5 实验结果与分析0635.5.1 公共点云数据模型简化0635.5.2 文物点云简化0655.6 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0726.1 引言0726.2 基于改进NDT的粗配准0736.2.1 NDT算法0736.2.2 改进的NDT算法0746.3 基于曲率ICP的精配准0756.3.1 ICP算法0756.3.2 基于曲率的ICP算法0766.4 实验结果与分析0786.4.1 公共点云数据模型配准0786.4.2 颅骨点云数据模型配准0806.5 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0847.1 引言0847.2 基于特征点的粗配准0857.2.1 特征点提取0857.2.2 粗配准算法的步骤0867.3 基于改进ICP的精配准0877.4 实验结果与分析0887.4.1 公共点云配准0887.4.2 文物碎片点云数据模型匹配0907.5 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0968.1 引言0968.2 特征点提取0978.3 基于区域划分的粗配准0988.3.1 特征点区域划分0988.3.2 区域配准0988.4 基于阈值约束ICP的精配准1008.5 实验结果与分析1018.6 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1079.1 引言1079.2 降维多尺度FPFH1089.2.1 FPFH的原理1089.2.2 多尺度FPFH1099.2.3 多尺度FPFH的降维1099.3 基于降维多尺度FPFH的粗配准1109.4 基于改进ICP的点云精配准1119.5 实验结果与分析1129.5.1 公共点云数据模型配准1139.5.2 文物碎片点云数据模型匹配1149.6 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12010.1 引言12010.2 RANSAC点云分割算法12110.2.1 RANSAC算法原理12110.2.2 RANSAC算法缺点12210.3 改进的RANSAC点云分割算法12210.3.1 K-D树与半径空间密度12310.3.2 改进初始点选取12310.3.3 判断准则的设计12410.3.4 面片合并12410.4 本章点云分割算法步骤12510.5 实验结果与分析12610.6 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12911.1 引言12911.2 基于SVM的点云粗分割13011.2.1 点云特征提取13011.2.2 基于混合核函数的SVM13211.2.3 基于SVM的粗分割算法步骤13311.3 基于加权RF的点云精分割13311.3.1 RF13311.3.2 加权RF13411.3.3 基于权重的决策树投票法13611.3.4 基于加权RF的精分割算法步骤13711.4 点云分割算法的评价指标13711.5 实验结果与分析13811.5.1 ModelNet 40点云分割13811.5.2 Semantic 3D点云分割14011.5.3 文物点云分割14211.6 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15012.1 引言15012.2 特征计算15112.2.1 曲率特征15112.2.2 法向夹角15212.3 特征融合15312.4 基于融合特征匹配的检索15412.5 实验结果与分析15512.6 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16013.1 引言16013.2 特征参数计算16113.2.1 点到邻域点的平均距离16113.2.2 点到邻域重心的距离16213.2.3 曲率及邻域法向夹角平均值16213.2.4 4个特征参数融合16313.3 基于尺度ICP的特征点集匹配16413.4 文物碎片匹配算法的步骤16513.5 实验结果与分析16613.6 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17214.1 引言17214.2 孔洞轮廓线的提取和分类17314.3 轮廓线的拟合和表示17414.3.1 轮廓线的拟合17414.3.2 轮廓线的表示17514.4 轮廓线匹配17614.5 实验结果与分析17714.6 本章小结179本章参考文献180后记182
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
