1. 研究目的与意义（文献综述）

1.1研究目的
随着地理空间信息服务产业的快速发展，对地理空间数据产品的要求也越来越高。

地理空间数据正朝着大信息量、高精度、可视化和可挖掘的方向发展。

三维激光扫描作为一门新兴的测绘技术，是测绘领域继gps技术之后的又一次技术革命。

2. 研究的基本内容与方案

2.1研究内容
对点云数据进行三维场景描述时，由于点云数据具有数据量大、冗余度高等特点，在进行三维场景绘制过程中会消耗大量的硬件资源和时间。

现有的点云精简算法都基于点云的几何属性，很少考虑点云的非几何属性，如某类点云数据是否重要，是否为感兴趣区域等。

本文对不同地物根据观测需要划分为重点描述区域和非重点描述区域两部分，对非重点描述区域的点云数据采用压缩算法进行压缩，其次将压缩后的非重点描述区域和重点描述区域同时进行三角网的重建。

3. 研究计划与安排

第一阶段：即日起-3月19号
查阅相关文献资料，开展初步调研，完成研究设计和开题报告；
第二阶段：3月20号-4月30号
撰写论文初稿；
第三阶段：5月1号-5月30号
论文修改，准备毕业答辩。

4. 参考文献（12篇以上）

[1]AMENTA N,CHOI S,DEY T K,et al.A Simple Algorithm for Homeomorphic Surface Reconstruction[J].International Journal of Computational Geometryamp;Applications,2000,12:213--222.
[2]Bernardini F,Mittleman J,Rushmeier H,et al.The Ball-Pivoting Algorithm for SurfaceReconstruction[J].Visualizationamp;Computer Graphics IEEE Transactions on,1999,5(4):349--359.
[3]Mederos B,Velho L,Figueiredo L H D,et al.Point Cloud Denoising[J].Computer Integrated Manufacturing Systems,2011,17(5):935-945.
[4]Pauly M,Zwicker M,Dey T K,et al.Normal Estimation for Point Clouds:A Comparison Study for a Voronoi Based Method[J].Eurographics/ieee Vgtc Symposium Point-based Graphics,2005:39-46.
[5]张旭,王青,柯映林.基于模板的点云边特征提取技术[J].计算机集成制造系统,2008,14(6):1175-1181.
[6]韦争亮.基于彩色编码的结构光动态三维测量及重构技术研究[D].清华大学,2009.
[7]吴世雄，王成勇.散乱噪声点云的数据分割. 机械工程学报, 2007, 43(2): 230-233.
[8]傅欢，梁力，王飞等.采用局部凸性和八叉树的点云分割算法.西安交通大学学报, 2012,46(10): 60-65.
[9]Fransens J,Van Reeth F.Hierarchical PCA decomposition of point cloud[C].//Proceedings of the 3rd International Symposium on 3D Data Processing, Visualization,and Transmission.Washington D C: IEEE Computer Society Press, 2006: 591-598.
[10]Li H, Zhang X, Jaeger M, et al. Segmentation of forest terrain laser scan data[C].ACM, 2010: 47-54.
[11]Fischler,M.A.and Bolles,R.C.Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and AutomatedCartography. Communications of the ACM ,24(6): 381-395,1981.
[12]刘修国，杨准，王红平,等.一种改进的最大一致性点云几何基元拟合算法。

同济大学学报(自然科学版)[J].2015,43(8):1246-1450.
[13]Nurunnabi A,West G,Belton D.Robust outlier dectection and saliency features estimation in point cloud data[C]//10th International Conference on Computer and Robot Vision(CRV).Regina:IEEE,2013:98-105.
[14]Torr PHS,Zisserman A.MLESAC: A new robust estimator with application to estimating image geometry. Computer Vision and Image Understand,2000,78:138#8722;156.
[15]Torr PHS, Zisserman A. MLESAC: A new robust estimator with application to estimating image geometry. Computer Vision and Image Understand,2000,78:138#8722;156.
[16]FRGC. http://www.frvt.org/FRGC.
[17]3D_RMA. http://www.sic.rma.ac.be/~beumier/DB/3d_rma.html.
[18]Wang Y, Pan G, Wu Z, et al. Exploring facial expression effects in 3D face recognition using partial ICP[M]//Computer Vision–ACCV 2006. Springer Berlin Heidelberg, 2006:581-590.
[19]吴岩冰.基于支持向量机的点云数据修补[D].郑州大学.2009.