尺度不变特征点在三维测量中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 前言 | 第9-16页 |
| ·三维重建概述 | 第9-10页 |
| ·重建的方法及发展趋势 | 第10-13页 |
| ·传统运动结构重建的基础知识 | 第13-16页 |
| 第二章 多视图几何初步知识 | 第16-27页 |
| ·对极几何与基本矩阵 | 第16-17页 |
| ·基本矩阵的计算 | 第17-21页 |
| ·随机采样一致性 | 第17-18页 |
| ·7 点算法和基于RANSAC 的7 点算法 | 第18-21页 |
| ·结构的计算 | 第21-23页 |
| ·线性三角形法 | 第21-22页 |
| ·最优解 | 第22-23页 |
| ·单应性 | 第23-27页 |
| ·平面诱导的单应 | 第23-25页 |
| ·纯旋转及无穷远诱导单应 | 第25页 |
| ·单应矩阵的计算 | 第25-27页 |
| 第三章 标定与自标定算法 | 第27-37页 |
| ·摄像机模型 | 第27-30页 |
| ·摄像机矩阵 | 第27-28页 |
| ·摄像机矩阵的分解 | 第28-29页 |
| ·摄像机矩阵的计算 | 第29-30页 |
| ·标定算法 | 第30-32页 |
| ·张正友方法 | 第30-31页 |
| ·关于P4P 问题的一些讨论 | 第31-32页 |
| ·自标定 | 第32-37页 |
| ·基于无穷远平面和绝对二次曲线的自标定 | 第33页 |
| ·Kruppa 方程 | 第33-37页 |
| 第四章 尺度不变特征点的提取和匹配 | 第37-49页 |
| ·尺度不变特征点的提取 | 第37-43页 |
| ·搜索尺度空间极值 | 第37-39页 |
| ·精炼关键点 | 第39-41页 |
| ·指定关键点方向 | 第41页 |
| ·建立关键点的描述 | 第41-43页 |
| ·尺度不变特征点的匹配算法 | 第43-49页 |
| ·KD-Tree | 第43-45页 |
| ·Best-Bin-First | 第45-46页 |
| ·PCA 匹配算法 | 第46-49页 |
| 第五章 最小生成树 | 第49-55页 |
| ·最小生成树的理论算法 | 第49-51页 |
| ·最小生成树的计算 | 第51-55页 |
| ·去边法 | 第51-53页 |
| ·连通矩阵法 | 第53-55页 |
| 第六章 无序图像的三维重建 | 第55-71页 |
| ·无序图像重建的框架 | 第55-56页 |
| ·最小生成树模型的建立和求解 | 第56-59页 |
| ·提取特征点 | 第57页 |
| ·特征点的匹配 | 第57页 |
| ·建立图像网络 | 第57-58页 |
| ·最小生成树模型的求解 | 第58-59页 |
| ·优化特征点的匹配 | 第59-60页 |
| ·用几何约束优化匹配 | 第59-60页 |
| ·增加匹配点 | 第60页 |
| ·建立多视图匹配 | 第60-61页 |
| ·计算三维结构和摄像机参数 | 第61-64页 |
| ·直接集束调整法 | 第61-62页 |
| ·算法改进 | 第62-64页 |
| ·实验结果和应用 | 第64-71页 |
| ·重建稀疏点云模型 | 第64-66页 |
| ·基于重建的三维测量 | 第66-68页 |
| ·基于重建的增强现实 | 第68-71页 |
| 第七章 总结与展望 | 第71-74页 |
| ·本文的研究成果 | 第71页 |
| ·具有创新意义的工作 | 第71-72页 |
| ·存在的问题与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79页 |
