第1章 绪论
1.1 三维测量数据获取
1.2 三维测量数据几何优化技术
1.3 三维测量数据智能优化技术
1.4 典型应用
第2章 三维测量数据获取与数据优化
2.1 引言
2.2 三维测量数据获取
2.2.1 概述
2.2.2 接触式测量
2.2.3 激光测量
2.2.4 结构光测量
2.2.5 摄影测量
2.3 本章小结
第3章 特征保持的传统数据优化技术
3.1 引言
3.2 特征保持的表面网格去噪的级联算法
3.2.1 算法概述
3.2.2 双边法线滤波
3.2.3 特征检测
3.2.4 加权对偶图构建
3.2.5 各向异性邻域检索
3.2.6 基于Bezier表面拟合的网格去噪
3.2.7 实验结果与分析
3.3 双法线滤波方法
3.3.1 算法概述
3.3.2 顶点分类
3.3.3 双法线滤波
3.3.4 三角面片法线场初始化
3.3.5 邻近三角面片聚类
3.3.6 顶点位置更新
3.3.7 实验结果与分析
3.4 本章小结
第4章 基于矩阵低秩恢复的测量数据优化技术
4.1 引言
4.2 基于图约束低秩恢复的多局部结构点云去噪算法
4.2.1 算法概述
4.2.2 Bi-PCA估计指导法线和局部坐标系
4.2.3 高度图图块矩阵构建
4.2.4 图约束低秩矩阵恢复
4.2.5 图块合成
4.2.6 实验结果分析
4.3 基于块协同法线滤波的网格保特征去噪算法
4.3.1 算法概述
4.3.2 基于块协同的法线调整
4.3.3 矩阵内核低秩恢复
4.3.4 基于法线的保特征网格去噪
4.3.5 实验结果分析
4.4 本章小结
第5章 基于PointNet的测量数据智能优化技术
5.1 引言
5.2 特征感知的点云循环去噪神经网络
5.2.1 去噪模型假设与问题描述
5.2.2 循环去噪神经网络结构设计
5.2.3 点云数据质量优化
5.2.4 实验结果与分析
5.3 基于对偶图神经网络的双域网格去噪技术
5.3.1 算法概述
5.3.2 三角网格中的对偶图结构
5.3.3 网络总体架构
5.3.4 图池化策略
5.3.5 损失函数
5.3.6 顶点位置更新
5.3.7 实验结果分析
5.4 本章小结
第6章 基于几何特征描述子的测量数据智能优化技术
6.1 引言
6.2 几何支持的对偶卷积点云去噪技术
6.2.1 算法概述
6.2.2 构建对偶图
6.2.3 网络结构设计
6.2.4 顶点位置更新
6.2.5 实验结果分析
6.3 几何知识驱动的三角网格法线滤波技术
6.3.1 算法概述
6.3.2 非局部块组法线矩阵
6.3.3 NormalF-Net网络结构
6.3.4 顶点位置更新
6.3.5 实验结果分析
6.4 基于级联几何恢复的三角网格逆向滤波技术
6.4.1 算法概述
6.4.2 广义反向过滤面法线描述符
6.4.3 基于法线的极限学习机
6.4.4 网格逆向滤波
6.4.5 实验与讨论
6.5 本章小结
第7章 基于混合特征的测量数据智能优化技术
7.1 引言
7.2 基于混合特征引导的几何信息融合法线估算技术
7.2.1 多尺度法线滤波
7.2.2 点模块
7.2.3 HMP模块
7.2.4 连接模块
7.2.5 法线优化框架
7.2.6 多尺度拟合路径选择
7.3 实验结果分析
7.3.1 实验设置
7.3.2 PCPNet数据集实验
7.3.3 更多合成数据实验
7.3.4 真实扫描实验
7.3.5 效率对比
7.3.6 消融实验
7.3.7 学习优化法线
7.3.8 应用
7.4 本章小结
第8章 测量数据优化软件平台与工程应用
8.1 航空三维测量数据分析软件平台
8.2 典型工程应用
8.2.1 飞机整机检测
8.2.2 铆钉平齐度检测
8.2.3 对缝阶差间隙检测
8.2.4 复合材料通孔检测
8.2.5 制孔质量检测
8.2.6 飞机油箱涂胶质量检测
参考文献