三维测量数据智能优化技术

　　点云是分布在三维空间中的离散点集，也是对物体表面几何的离散采样。三维测量技术的迅速发展使得点云数据的获取更加简单方便。但是，由于测量环境的干扰和测量对象的材料反射问题，三维测量数据会包括含各种噪声、离群点，且特征采样不足。另外，由于大尺寸测量对象的结构限制，通常需要多次拼接，噪声、细节丢失等现象更为严重，严重制约了点云数据的后续应用。本书是作者专注在三维测量点云质量智能优化领域内多年的研究积累，重点围绕三维测量点云质量智能优化的核心理论与方法，包括传统数据优化算法、基于点表征学习和图表征学习的测量数据优化算法、基于特征描述子的测量数据优化算法、基于多源表征的测量数据优化算法等进行系统性阐述，最后结合航空航天实例介绍测量数据优化软件平台与工程应用方案，为点云的智能优化处理与工程应用提供基础性理论方法指导。

　　2013年受聘为第四批江苏特聘教授，2014年入选江苏省“双创计划（创新类）”人才，2015年入选“国家重大人才工程A类青年项目”，2019年获得江苏省杰出青年基金项目资助。主持国家重点研发计划子课题、航空科学基金 、江苏省杰出青年基金 、国家自然科学基金 、国家级青年人才项目（海外引进）

暂缺《三维测量数据智能优化技术》目录