| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文研究的主要内容 | 第13-14页 |
| 1.4 论文的安排 | 第14-16页 |
| 第二章 图像特征点检测及匹配 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 基于SIFT算法的图像匹配 | 第16-23页 |
| 2.2.1 尺度不变特征变换算法 | 第17-22页 |
| 2.2.2 图像的特征点提取 | 第22-23页 |
| 2.2.3 图像的特征点匹配 | 第23页 |
| 2.3 区域增长匹配技术 | 第23-25页 |
| 2.3.1 区域增长 | 第23-24页 |
| 2.3.2 实现方法 | 第24-25页 |
| 2.4 基于SIFT及区域增长的稠密匹配 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 匹配点优化及基础矩阵的鲁棒性估计 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 基础矩阵的估计 | 第27-30页 |
| 3.2.1 对极几何 | 第28-29页 |
| 3.2.2 基础矩阵 | 第29-30页 |
| 3.2.3 八点法 | 第30页 |
| 3.3 改进的RANSAC算法 | 第30-36页 |
| 3.3.1 样本与模型的预检验 | 第32-33页 |
| 3.3.2 基于自适应分块技术的随机抽样法 | 第33-34页 |
| 3.3.3 抽样次数M的自适应调整 | 第34页 |
| 3.3.4 内外点判别阈值的自适应确定 | 第34-35页 |
| 3.3.5 基于内点数量与极线距离平均值的最优解判定标准 | 第35-36页 |
| 3.4 改进的匹配点优化及基础矩阵估计 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于SFM的建筑物三维重建 | 第41-62页 |
| 4.1 引言 | 第41页 |
| 4.2 摄像机自标定 | 第41-48页 |
| 4.2.1 摄像机成像模型 | 第42页 |
| 4.2.2 坐标系 | 第42-45页 |
| 4.2.3 摄像机标定方法 | 第45-47页 |
| 4.2.4 基于Kruppa方程的摄像机自标定 | 第47-48页 |
| 4.3 摄像机的运动恢复 | 第48-50页 |
| 4.4 点云的求取及三角化 | 第50-54页 |
| 4.4.1 空间点三维坐标的求解 | 第50-53页 |
| 4.4.2 基于Delaunay的三角划分 | 第53-54页 |
| 4.5 城市建筑物三维重建应用实例 | 第54-62页 |
| 4.5.1 重建过程 | 第55-60页 |
| 4.5.2 结果分析 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 发表文章目录 | 第67-68页 |
| 致谢 | 第68-69页 |