目錄
第1章 緒論 1
1.1 三維測(cè)量數(shù)據(jù)獲取 1
1.2 三維測(cè)量數(shù)據(jù)幾何優(yōu)化技術(shù) 1
1.3 三維測(cè)量數(shù)據(jù)智能優(yōu)化技術(shù) 2
1.4典型應(yīng)用 2
第2章 三維測(cè)量數(shù)據(jù)獲取與數(shù)據(jù)優(yōu)化 3
2.1 引言 3
2.2 三維測(cè)量數(shù)據(jù)獲取 3
2.2.1 概述 3
2.2.2 接觸式測(cè)量 3
2.2.3 激光測(cè)量 5
2.2.4 結(jié)構(gòu)光測(cè)量 7
2.2.5 攝影測(cè)量 10
2.3 本章小結(jié) 11
第3章 特征保持的傳統(tǒng)數(shù)據(jù)優(yōu)化技術(shù) 13
3.1 引言 13
3.2 特征保持的表面網(wǎng)格去噪的級(jí)聯(lián)算法 14
3.2.1 算法概述 14
3.2.2 雙邊法線濾波 15
3.2.3 特征檢測(cè) 18
3.2.4 加權(quán)對(duì)偶圖構(gòu)建 18
3.2.5 各向異性鄰域檢索 20
3.2.6 基于Bezier表面擬合的網(wǎng)格去噪 21
3.2.7 實(shí)驗(yàn)結(jié)果與分析 23
3.3 雙法線濾波方法 31
3.3.1 算法概述 31
3.3.2 頂點(diǎn)分類 32
3.3.3 雙法線濾波 32
3.3.4 三角面片法線場(chǎng)初始化 33
3.3.5 鄰近三角面片聚類 33
3.3.6 頂點(diǎn)位置更新 37
3.3.7 實(shí)驗(yàn)結(jié)果與分析 39
3.4 本章小結(jié) 46
第4章 基于矩陣低秩恢復(fù)的測(cè)量數(shù)據(jù)優(yōu)化技術(shù) 48
4.1 引言 48
4.2 基于圖約束低秩恢復(fù)的多局部結(jié)構(gòu)點(diǎn)云去噪算法 48
4.2.1 算法概述 48
4.2.2 Bi-PCA估計(jì)指導(dǎo)法線和局部坐標(biāo)系 50
4.2.3 高度圖圖塊矩陣構(gòu)建 52
4.2.4 圖約束低秩矩陣恢復(fù) 54
4.2.5 圖塊合成 57
4.2.6 實(shí)驗(yàn)結(jié)果分析 59
4.3 基于塊協(xié)同法線濾波的網(wǎng)格保特征去噪算法 71
4.3.1 算法概述 71
4.3.2 基于塊協(xié)同的法線調(diào)整 71
4.3.3 矩陣內(nèi)核低秩恢復(fù) 74
4.3.4 基于法線的保特征網(wǎng)格去噪 81
4.3.5 實(shí)驗(yàn)結(jié)果分析 83
4.4 本章小結(jié) 93
第5章 基于PointNet的測(cè)量數(shù)據(jù)智能優(yōu)化技術(shù) 95
5.1 引言 95
5.2 特征感知的點(diǎn)云循環(huán)去噪神經(jīng)網(wǎng)絡(luò) 95
5.2.1 去噪模型假設(shè)與問(wèn)題描述 95
5.2.2 循環(huán)去噪神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) 96
5.2.3 點(diǎn)云數(shù)據(jù)質(zhì)量?jī)?yōu)化 99
5.2.4 實(shí)驗(yàn)結(jié)果與分析 99
5.3 基于對(duì)偶圖神經(jīng)網(wǎng)絡(luò)的雙域網(wǎng)格去噪技術(shù) 103
5.3.1 算法概述 103
5.3.2 三角網(wǎng)格中的對(duì)偶圖結(jié)構(gòu) 104
5.3.3 網(wǎng)絡(luò)總體架構(gòu) 105
5.3.4 圖池化策略 106
5.3.5 損失函數(shù) 108
5.3.6 頂點(diǎn)位置更新 108
5.3.7 實(shí)驗(yàn)結(jié)果分析 109
5.4 本章小結(jié) 116
第6章 基于幾何特征描述子的測(cè)量數(shù)據(jù)智能優(yōu)化技術(shù) 117
6.1 引言 117
6.2 幾何支持的對(duì)偶卷積點(diǎn)云去噪技術(shù) 117
6.2.1 算法概述 117
6.2.2 構(gòu)建對(duì)偶圖 119
6.2.3 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì) 121
6.2.4 頂點(diǎn)位置更新 123
6.2.5 實(shí)驗(yàn)結(jié)果分析 125
6.3 幾何知識(shí)驅(qū)動(dòng)的三角網(wǎng)格法線濾波技術(shù) 130
6.3.1 算法概述 130
6.3.2 非局部塊組法線矩陣 131
6.3.3 NormalF-Net網(wǎng)絡(luò)結(jié)構(gòu) 133
6.3.4 頂點(diǎn)位置更新 136
6.3.5 實(shí)驗(yàn)結(jié)果分析 136
6.4 基于級(jí)聯(lián)幾何恢復(fù)的三角網(wǎng)格逆向?yàn)V波技術(shù) 145
6.4.1 算法概述 145
6.4.2 廣義反向過(guò)濾面法線描述符 146
6.4.3 基于法線的極限學(xué)習(xí)機(jī) 149
6.4.4 網(wǎng)格逆向?yàn)V波 152
6.4.5 實(shí)驗(yàn)與討論 155
6.5 本章小結(jié) 161
第7章 基于混合特征的測(cè)量數(shù)據(jù)智能優(yōu)化技術(shù) 162
7.1 引言 162
7.2 基于混合特征引導(dǎo)的幾何信息融合法線估算技術(shù) 164
7.2.1 多尺度法線濾波 164
7.2.2 點(diǎn)模塊 165
7.2.3 HMP模塊 165
7.2.4 連接模塊 165
7.2.5 法線優(yōu)化框架 167
7.2.6 多尺度擬合路徑選擇 167
7.3 實(shí)驗(yàn)結(jié)果分析 170
7.3.1 實(shí)驗(yàn)設(shè)置 170
7.3.2 PCPNet數(shù)據(jù)集實(shí)驗(yàn) 171
7.3.3 更多合成數(shù)據(jù)實(shí)驗(yàn) 171
7.3.4 真實(shí)掃描實(shí)驗(yàn) 174
7.3.5 效率對(duì)比 176
7.3.6 消融實(shí)驗(yàn) 177
7.3.7 學(xué)習(xí)優(yōu)化法線 179
7.3.8 應(yīng)用 180
7.4 本章小結(jié) 181
第8章 測(cè)量數(shù)據(jù)優(yōu)化軟件平臺(tái)與工程應(yīng)用 182
8.1 航空 三維測(cè)量數(shù)據(jù)分析軟件平臺(tái) 182
8.2 典型工程應(yīng)用 185
8.2.1 飛機(jī)整機(jī)檢測(cè) 185
8.2.2 鉚釘平齊度檢測(cè) 186
8.2.3 對(duì)縫階差間隙檢測(cè) 186
8.2.4 復(fù)合材料通孔檢測(cè) 187
8.2.5 制孔質(zhì)量檢測(cè) 188
8.2.6 飛機(jī)油箱涂膠質(zhì)量檢測(cè) 190
參考文獻(xiàn) 192