基于双目视觉的立体显微手术系统关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-17页 |
| 1.1.1 显微手术系统背景 | 第12-15页 |
| 1.1.2 双目视觉技术背景 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 立体显微手术系统研究现状 | 第17-19页 |
| 1.2.2 双目立体视觉研究现状 | 第19-21页 |
| 1.3 论文主要内容和结构安排 | 第21-24页 |
| 1.3.1 本文研究内容 | 第21-22页 |
| 1.3.2 本文组织结构 | 第22-24页 |
| 第二章 双目立体视觉原理 | 第24-40页 |
| 2.1 引言 | 第24-25页 |
| 2.2 摄像机成像原理 | 第25-30页 |
| 2.3 视差与深度的关系 | 第30-31页 |
| 2.4 摄像机标定 | 第31-33页 |
| 2.5 双目立体匹配 | 第33-39页 |
| 2.5.1 立体匹配的约束法则 | 第33-35页 |
| 2.5.2 双目图像校正 | 第35页 |
| 2.5.3 立体匹配具体步骤 | 第35-38页 |
| 2.5.4 立体匹配目前存在的问题 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于自适应支持权重的立体匹配算法研究 | 第40-49页 |
| 3.1 引言 | 第40页 |
| 3.2 自适应支持权重算法原理 | 第40-42页 |
| 3.3 基于人眼视觉特性的改进自适应权重算法 | 第42-45页 |
| 3.4 后处理 | 第45页 |
| 3.5 实验结果及分析 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于GPU的立体匹配实时性研究 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 GPU硬件架构 | 第49-51页 |
| 4.3 CUDA并行计算架构 | 第51-54页 |
| 4.3.1 CUDA线性映射模型 | 第51-52页 |
| 4.3.2 CUDA存储器模型 | 第52-54页 |
| 4.4 自适应支持权重算法的并行优化 | 第54-59页 |
| 4.4.1 算法总体串并行设计 | 第54-56页 |
| 4.4.2 并行匹配代价计算 | 第56-58页 |
| 4.4.3 并行代价聚合 | 第58-59页 |
| 4.5 实验结果与分析 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 系统方案及原型平台搭建 | 第61-72页 |
| 5.1 引言 | 第61页 |
| 5.2 显微手术系统总体方案 | 第61-62页 |
| 5.3 双目视觉平台的搭建及实验 | 第62-71页 |
| 5.3.1 双目摄像机图像采集 | 第64-66页 |
| 5.3.2 双目相机标定实验 | 第66-68页 |
| 5.3.3 图像校正与3D立体显示 | 第68-69页 |
| 5.3.4 深度信息获取 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 主要研究内容及成果 | 第72页 |
| 6.2 进一步研究展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |
