| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 选题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容及组织结构 | 第14-15页 |
| 2 相机标定 | 第15-32页 |
| 2.1 联合Kinect和立体相机的重建系统构建 | 第15-18页 |
| 2.1.1 Kinect原理 | 第15-17页 |
| 2.1.2 Bumblebee XB3立体相机介绍 | 第17-18页 |
| 2.2 相机标定 | 第18-28页 |
| 2.2.1 摄像机模型 | 第19-28页 |
| 2.2.2 多相机系统标定 | 第28页 |
| 2.3 标定实验与结果分析 | 第28-31页 |
| 2.4 本章总结 | 第31-32页 |
| 3 立体匹配的基本理论和置信传播算法研究 | 第32-42页 |
| 3.1 极线校正 | 第32页 |
| 3.2 双视点立体匹配模型 | 第32-33页 |
| 3.3 立体匹配算法一般步骤 | 第33-35页 |
| 3.3.1 匹配代价计算 | 第33-34页 |
| 3.3.2 匹配代价累计 | 第34页 |
| 3.3.3 视差计算 | 第34页 |
| 3.3.4 视差优化 | 第34-35页 |
| 3.4 常见立体匹配算法 | 第35页 |
| 3.5 基于置信传播算法 | 第35-40页 |
| 3.5.1 置信传播理论 | 第35-37页 |
| 3.5.2 基于置信传播的立体匹配 | 第37-40页 |
| 3.6 本章总结 | 第40-42页 |
| 4 深度图融合 | 第42-53页 |
| 4.1 基于MAP-MRF的高精度深度图重建原理 | 第43-44页 |
| 4.2 深度传感器与立体相机间的转换关系 | 第44-45页 |
| 4.3 多传感器高精度深度图融合算法实现 | 第45-49页 |
| 4.3.1 深度融合最小化能量函数 | 第46-47页 |
| 4.3.2 能量函数数据项定义 | 第47-49页 |
| 4.4 实验效果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 5 三维重建 | 第53-61页 |
| 5.1 三角网格剖分理论基础 | 第53-54页 |
| 5.1.1 Voronoi图与Delaunay三角网 | 第53-54页 |
| 5.2 经典的三角剖分算法 | 第54-57页 |
| 5.3 空间三维点集的Delaunay三角剖分算法 | 第57-58页 |
| 5.3.1 三维空间点集的Delaunay三角剖分算法分析 | 第57页 |
| 5.3.2 三维空间点集的Delaunay三角网构造算法 | 第57-58页 |
| 5.4 基于深度图像的三维重建流程 | 第58-59页 |
| 5.5 实验结果与分析 | 第59-60页 |
| 5.6 本章总结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66页 |
