內容簡介
點雲是分佈在三維空間中的離散點集,也是對物體表面幾何的離散採樣。三維測量技術的迅速發展使得點雲數據的獲取更加簡單方便。但是,由於測量環境的干擾和測量對象的材料反射問題,三維測量數據會包括含各種雜訊、離群點,且特徵採樣不足。另外,由於大尺寸測量對象的結構限制,通常需要多次拼接,雜訊、細節丟失等現象更為嚴重,嚴重製約了點雲數據的後續應用。本書是作者專註在三維測量點雲質量智能優化領域內多年的研究積累,重點圍繞三維測量點雲質量智能優化的核心理論與方法,包括傳統數據優化算法、基於點表徵學習和圖表徵學習的測量數據優化算法、基於特徵描述子的測量數據優化算法、基於多源表徵的測量數據優化算法等進行系統性闡述,最後結合航空航天實例介紹測量數據優化軟體平台與工程應用方案,為點雲的智能優化處理與工程應用提供基礎性理論方法指導。 本書可作為研究機構、高科技企業科技人員及相關領域業餘愛好者的參考用書,也可作為計算機視覺、計算機圖形學、三維機器視覺檢測等專業的研究生教材。目錄
第1章 緒論