| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 双目视觉技术研究现状 | 第13-14页 |
| 1.2.2 运动目标跟踪研究现状 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文章节的安排 | 第15-17页 |
| 第2章 双目摄像机的标定方法研究 | 第17-30页 |
| 2.1 摄像机标定原理 | 第17-22页 |
| 2.1.1 摄像机成像模型 | 第17-19页 |
| 2.1.2 四个不同参照坐标系 | 第19-20页 |
| 2.1.3 坐标系的转换 | 第20-22页 |
| 2.2 摄像机标定方法 | 第22-25页 |
| 2.2.1 摄像机标定方法分类 | 第22页 |
| 2.2.2 张氏标定法内外参求解 | 第22-24页 |
| 2.2.3 最大似然估计 | 第24页 |
| 2.2.4 镜头畸变的矫正 | 第24-25页 |
| 2.3 摄像机标定实验 | 第25-29页 |
| 2.3.1 摄像机标定实验 | 第25-27页 |
| 2.3.2 图像立体校正实验 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 双目立体匹配算法研究 | 第30-43页 |
| 3.1 立体匹配的研究内容 | 第30-33页 |
| 3.1.1 匹配基元的选取 | 第30页 |
| 3.1.2 立体匹配约束条件 | 第30-32页 |
| 3.1.3 立体匹配经典步骤 | 第32页 |
| 3.1.4 立体匹配算法评价指标 | 第32-33页 |
| 3.1.5 立体匹配算法分类 | 第33页 |
| 3.2 双目立体匹配算法研究 | 第33-38页 |
| 3.2.1 自适应权重局部立体匹配算法 | 第34-35页 |
| 3.2.2 半全局立体匹配算法 | 第35-36页 |
| 3.2.3 动态规划全局立体匹配算法 | 第36-38页 |
| 3.3 双目立体匹配实验结果和分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 运动目标检测算法研究 | 第43-57页 |
| 4.1 常用的目标检测算法 | 第43-45页 |
| 4.1.1 帧差法 | 第43-44页 |
| 4.1.2 背景差分法 | 第44页 |
| 4.1.3 传统目标检测算法的不足之处 | 第44-45页 |
| 4.2 基于双目视觉的运动目标检测算法 | 第45-49页 |
| 4.2.1 算法的流程 | 第45-46页 |
| 4.2.2 动态背景模型的建立 | 第46页 |
| 4.2.3 视差差分图 | 第46-47页 |
| 4.2.4 Ostu阈值分割 | 第47页 |
| 4.2.5 前景目标的提取 | 第47-49页 |
| 4.3 目标检测实验结果和分析 | 第49-56页 |
| 4.3.1 传统目标检测算法实验 | 第49-51页 |
| 4.3.2 本文的目标检测算法实验 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 改进的粒子滤波目标跟踪算法研究 | 第57-74页 |
| 5.1 目标跟踪方法分类 | 第57-58页 |
| 5.2 粒子滤波算法原理 | 第58-62页 |
| 5.2.1 贝叶斯滤波 | 第58-59页 |
| 5.2.2 蒙特卡洛近似思想 | 第59页 |
| 5.2.3 序贯重要性采样 | 第59-60页 |
| 5.2.4 退化现象和重采样 | 第60-61页 |
| 5.2.5 经典粒子滤波过程 | 第61-62页 |
| 5.3 传统粒子滤波目标跟踪算法的不足之处 | 第62页 |
| 5.4 基于双目视觉和多特征融合的粒子滤波目标跟踪算法 | 第62-66页 |
| 5.4.1 目标特征提取 | 第62-64页 |
| 5.4.2 多特征融合策略 | 第64-65页 |
| 5.4.3 目标跟踪启动条件 | 第65页 |
| 5.4.4 关键粒子的设定 | 第65-66页 |
| 5.4.5 算法的流程 | 第66页 |
| 5.5 目标跟踪实验结果和分析 | 第66-72页 |
| 5.5.1 传统的粒子滤波目标跟踪实验 | 第67-69页 |
| 5.5.2 本文改进的粒子滤波目标跟踪算法实验 | 第69-72页 |
| 5.6 本章小结 | 第72-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第81-82页 |
| 致谢 | 第82页 |