| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究意义及背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 主动式重建 | 第11-12页 |
| 1.2.2 被动式重建 | 第12页 |
| 1.2.3 重建方式总结 | 第12-13页 |
| 1.3 技术路线 | 第13-16页 |
| 1.4 论文的主要贡献与结构 | 第16-18页 |
| 1.4.1 论文的主要贡献 | 第16-17页 |
| 1.4.2 本文的主要结构 | 第17-18页 |
| 第二章 基于图像的三维重建原理 | 第18-26页 |
| 2.1 相机模型 | 第18-20页 |
| 2.2 三角化计算三维点坐标 | 第20-21页 |
| 2.3 立体匹配算法原理 | 第21-24页 |
| 2.3.1 极线约束 | 第22页 |
| 2.3.2 归一化互相关匹配算法NCC | 第22-23页 |
| 2.3.3 基于卷积神经网络的匹配算法MC-CNN | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 关键帧挑选算法框架 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 影响重建精度的因素 | 第26-29页 |
| 3.2.1 深度值精度和基线长度之间的关系 | 第26-27页 |
| 3.2.2 退化情况 | 第27-29页 |
| 3.3 基线长度和图像重叠率的估计方法 | 第29-35页 |
| 3.3.1 使用特征点匹配率来估计基线长度 | 第29-31页 |
| 3.3.2 重叠率估计 | 第31-35页 |
| 3.4 本文关键帧挑选框架 | 第35-37页 |
| 3.4.1 初始关键帧挑选 | 第35-36页 |
| 3.4.2 生成候选关键帧集合 | 第36页 |
| 3.4.3 关键帧确定 | 第36-37页 |
| 3.5 实验结果及分析 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 三维人脸重建算法框架 | 第40-58页 |
| 4.1 方法概述 | 第40页 |
| 4.2 运动恢复结构 | 第40-44页 |
| 4.2.1 集束调整算法原理 | 第40-41页 |
| 4.2.2 运动恢复结构 | 第41-43页 |
| 4.2.3 图像的畸变矫正 | 第43-44页 |
| 4.3 图像的立体矫正 | 第44-46页 |
| 4.3.1 Fusiello方法立体矫正的原理 | 第44-45页 |
| 4.3.2 立体矫正的结果 | 第45-46页 |
| 4.4 稠密匹配算法的优化 | 第46-54页 |
| 4.4.1 方法概述 | 第47页 |
| 4.4.2 立体匹配算法的优化方法 | 第47-51页 |
| 4.4.3 视差图计算 | 第51页 |
| 4.4.4 视差图的计算结果及分析 | 第51-54页 |
| 4.5 深度图优化和点云融合 | 第54-57页 |
| 4.5.1 由视差图恢复原图像的深度图 | 第54页 |
| 4.5.2 深度图优化方法 | 第54-56页 |
| 4.5.3 点云融合及mesh重建 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 算法实现及实验结果 | 第58-64页 |
| 5.1 开发环境 | 第58页 |
| 5.2 重建结果 | 第58-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |