本论文程序实现主要调用pcl的点云分割方法函数来实现程序，其中使用基于随机采样一致性算法和多元随机采样算法的方法来进行平面检测，对圆面检测的方法采样和法线估计做了简单介绍。

最后本论文再将方法进行进一步优化，使得对场景三维点云的平面检测更加准确，从包含的点云中提取和表示三维平面将会大大提高这些视觉人物的可靠性和精度。为方便人们理解和判断检测到的平面，在本文中我们将检测的平面分离，而不是让所有检测的平面堆积在一起。

研究内容

本文主要就基于随机抽样一致性算法的点云平面检测方法改进为中心，对单平面检测和多平面检测的方法主要研究和算法的介绍。本文主要介绍了基于随机抽样一致性算法和算法在平面检测的应用。

本文对随机抽样一致性方法的实现做了一些改进。为了使我们更好地理解和使三维重建在平面拟合中使用的检测, 我们可以使三维图像在原来的坐标上进行平面检测, 对不同的平面进行不同颜色的检测, 并让它在原来的坐标上显示出来。

论文的组织结构

本论文主要就平面检测较好的两种方法进行了比较和介绍，根据算法的运算量等选择合适的算法，并对基于随机抽样一致性的方法进行了一些改进，使得我们能更好的理解和使用平面。

第一章 绪论，主要介绍了论文的研究背景和研究意义、国内外发展状状、研究内容和论文的组织结构。

第二章 关键技术研究，主要介绍了对点云数据的读取和点云的、分割的概念，以及开发本次程序的主要平台和要引用的库。

第三章 平面检测的算法，主要介绍了随机抽样一致性算法和多元随机抽样算法的理论知识，并对基于随机抽样一致性的平面检测算法的实现步骤做了简单介绍以及圆柱面检测的采样方法和法线估计做了简单的介绍。

第四章 平面检测的程序实现，主要就基于随机抽样一致性的的点云分割方法实现进行了改进，程序的功能模块和实现结果。

第五章 总结和展望，总结毕设的研究内容和研究成果，指出自己的不足之处、阐述了自己的感想和心得和对有关于平面检测的未来展望。

本文在cloud compare的基础上，对程序进行了一些改进。其中程序实现时主要调用了PCL库对点云数据处理的函数来进行。主要介绍了对于点云分割的算法：基于随机采样一致性的算法。还介绍了一些在检测曲面时需要的其他方法基于体素增长的采样滤波和法线估计。

本次论文从选题到程序实现到撰写论文总共历时3个月，其中这个三维场景中平面检测这个知识对我来说是很新的知识，在课上和课外都没怎接触过，因此我参考和查阅了大量的论文和外文文献来了解这个知识。在我掌握和了解了部分知识后，我和老师讨论后完成了我的开题报告和报告书。在之后，我通过上pcl中国以及pcl官网去了解相关的知识，以及通过在cloudcompare上跑相关的代码对程序有一定的了解后，基于它的界面完成了本次程序的界面设计。

通过完成这次的三维场景的平面检测课题的研究，我对点云、三维这些有了一点光的认知，了解和学习了随机采样一致性算法的原理及理论，平面......