新書推薦：
《
百年词史-（1900-2000（全二册））
》
售價：HK$
333.8
《
RDI人际关系发展疗法：修复孤独症核心障碍，让干预回归生活
》
售價：HK$
99.7
《
金融科技监管的目标、原则和实践：全球视野下加密货币的监管
》
售價：HK$
110.9
《
城市轨道交通绿色低碳规划设计研究——深圳地铁6号线工程创新与实践
》
售價：HK$
221.8
《
艾尔米塔什国家博物馆 少年游学 人一生一定要看的博物馆
》
售價：HK$
38.1
《
世界四大博物馆4册套装 卢浮宫大英大都会艾尔米塔什博物馆 青少年游学艺术参观科普书
》
售價：HK$
152.3
《
艺术家之路 塑造插画风格
》
售價：HK$
166.8
《
古乐钩沉（中国音乐学院60周年校庆中青年学者文集）
》
售價：HK$
132.2
|
| 內容簡介： |
|
《三维点云：原理、方法与技术.上》内容是三维点云的核心原理、方法与技术，重点是点云模型的三维空间识别、理解与重建。《三维点云：原理、方法与技术.上》上、下两册，分为四部分，共15章，上册包括点云获取与预处理、点云特征分析与计算和点云识别与理解；下册介绍点云重构与艺术风格化。《三维点云：原理、方法与技术.上》为上册。
|
| 目錄：
|
|
目录前言第一部分 点云获取与预处理 第1章 点云数据获取 3 1.1 点云数据的直接获取 3 1.1.1 接触法 4 1.1.2 非接触法 4 1.2 点云数据的间接获取 8 1.2.1 图像融合技术 8 1.2.2 图像融合算法 9 1.2.3 基于多图像融合的点云获取 11 1.3 点云数据获取方法评价 13 1.4 点云数据的格式 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 本章小结 22参考文献 23第2章 点云去噪、精简与重采样 24 2.1 点云数据的噪声处理 24 2.1.1 点云数据噪声分析 24 2.1.2 有序点云去噪算法 25 2.1.3 无序点云去噪算法 30 2.2 点云数据的精简 36 2.2.1 单一直接精简方法 36 2.2.2 优化组合精简方法 38 2.3 点云数据重采样 41 2.3.1 WLOP重采样法 41 2.3.2 EAR算法 43 2.3.3 基于切片的重采样法 46 2.4 本章小结 51参考文献 51第3章 点云补缺 53 3.1 点云孔洞整体补缺方法 53 3.1.1 基于脊、谷线的整体补缺方法 53 3.1.2 基于投影的整体补缺方法 64 3.2 点云孔洞细分补缺方法 70 3.2.1 基于脊、谷线的细分补缺方法 70 3.2.2 基于切片的细分补缺方法 75 3.3 本章小结 80参考文献 81第二部分 点云特征分析与计算 第4章 点云特征分析 85 4.1 点的邻域 85 4.1.1 球形邻域 85 4.1.2 k近邻 86 4.1.3 BSP近邻 86 4.1.4 Voronoi近邻 88 4.2 法矢 89 4.2.1 主成分分析法 89 4.2.2 平面拟合法 90 4.2.3 曲面拟合法 91 4.3 曲率 92 4.3.1 曲率定义 92 4.3.2 曲率分类 93 4.3.3 曲率估算方法 95 4.4 脊、谷特征 96 4.4.1 脊、谷点 96 4.4.2 脊、谷线 98 4.5 轮廓特征 99 4.5.1 轮廓点提取 99 4.5.2 轮廓线 100 4.6 边界特征 101 4.6.1 基于积分不变量的边界提取算法 102 4.6.2 基于k邻域的边界提取算法 103 4.6.3 基于动态空间索引的边界提取算法 104 4.7 测地距离 106 4.7.1 基于最小二乘支持向量机的测地距离 106 4.7.2 基于快速跟踪的测地距离 107 4.8 本章小结 108参考文献 109第5章 点云物体骨架提取 110 5.1 骨架概述 110 5.1.1 骨架定义 110 5.1.2 骨架性质 111 5.2 骨架提取方法 113 5.2.1 体方法 113 5.2.2 几何方法 119 5.3 典型应用 144 5.4 本章小结 147参考文献 147第6章 点云物体脊、谷线提取 150 6.1 脊、谷点提取 150 6.1.1 相关概念 150 6.1.2 点云的脊、谷点提取 152 6.1.3 网格的脊、谷点提取 154 6.2 脊、谷线提取 155 6.2.1 脊、谷线连接 155 6.2.2 脊、谷线优化 155 6.3 轮廓线提取 156 6.3.1 轮廓点提取 156 6.3.2 轮廓线连接 157 6.4 脊、谷线与轮廓线整合 158 6.4.1 可见性判定 158 6.4.2 特征线整合 159 6.5 本章小结 160参考文献 160第三部分 点云识别与理解 第7章 点云分割方法评价标准 165 7.1 传统的评价标准 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 新的评价标准 168 7.2.1 SHD准则 168 7.2.2 AEI准则 170 7.3 评价标准实验对比 171 7.3.1 极限分割 172 7.3.2 层次分割 172 7.4 本章小结 173参考文献 174第8章 点云构件识别与提取 175 8.1 基本形状识别与提取 175 8.1.1 Hough变换算法 176 8.1.2 RANSAC算法 177 8.1.3 高斯球算法 178 8.2 单目标物体构件识别与提取 183 8.2.1 k-means聚类分割算法 183 8.2.2 光谱聚类算法 187 8.2.3 特征层次分割算法 188 8.2.4 多分辨率层次分割算法 192 8.2.5 基于骨架的层次分割算法 196 8.2.6 基于径向反射的分割算法 201 8.2.7 基于临界点的分割算法 202 8.2.8 基于感知信息的形状分割算法 205 8.2.9 基于切片的分割算法 210 8.2.10 基于骨架点与脊、谷点的分割算法 213 8.3 本章小结 220参考文献 221第9章 点云物体识别与提取 224 9.1 物体识别与提取的基本方法 224 9.1.1 基于局部特征的物体识别与提取 224 9.1.2 基于图匹配的物体识别与提取 225 9.1.3 基于几何不变性的物体识别与提取 229 9.1.4 基于边界特征分类的物体识别与提取 230 9.1.5 基于种子扩张的物体识别与提取 232 9.2 基于形状与拓扑的物体识别与提取 238 9.2.1 基本形状的提取 239 9.2.2 拓扑结构属性图的构造 239 9.2.3 目标对象库的构造 243 9.2.4 基本形状组合与目标对象识别 245 9.3 基于知识表示的物体识别与提取 247 9.3.1 空间场景的特征描述 248 9.3.2 基于知识的场景特征表示 249 9.3.3 基于知识的目标识别 254 9.3.4 场景知识的不确定性分析 256 9.4 基于构件的物体识别与提取 257 9.4.1 场景拓扑关系提取 257 9.4.2 物体的识别与提取 266 9.5 基于机器学习的物体识别与提取 271 9.6 本章小结 272参考文献 273 第10章 点云场景表达与理解 275 10.1 点云物体表达 275 10.1.1 基于形状体的物体表达 276 10.1.2 基于骨架的物体表达 281 10.1.3 基于语义图的物体表达 288 10.1.4 基于知识规则的物体表达 290 10.2 点云场景表达 290 10.2.1 基于结构的场景表达 290 10.2.2 基于知识规则的场景表达 291 10.2.3 基于知识图谱的场景表达 292 10.3 点云场景理解 296 10.3.1 基于形状语义图的物体识别与理解 296 10.3.2 基于知识图谱的场景识别与理解 300 10.4 本章小结 309参考文献 309
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
