| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景、目的与意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10页 |
| 1.1.2 课题研究目的与意义 | 第10-11页 |
| 1.2 国外研究现状 | 第11-13页 |
| 1.3 三维重建目前面临的挑战 | 第13-14页 |
| 1.4 论文章节结构 | 第14-16页 |
| 第2章 基于SFM方法的稀疏点云重建 | 第16-36页 |
| 2.1 引言 | 第16页 |
| 2.2 摄像机成像模型 | 第16-20页 |
| 2.2.1 成像几何中的几种坐标系 | 第16-17页 |
| 2.2.2 摄像机透视成像几何模型 | 第17-20页 |
| 2.2.3 成像畸变分析 | 第20页 |
| 2.3 基于图像格式的摄像机内参估计 | 第20-21页 |
| 2.4 特征点的提取与匹配 | 第21-29页 |
| 2.4.1 Harris特征描述子 | 第21-22页 |
| 2.4.2 SIFT特征描述子 | 第22-27页 |
| 2.4.3 BBF特征匹配及RANSAC消除误匹配 | 第27-29页 |
| 2.5 基于两幅图像的三维重建 | 第29-30页 |
| 2.5.1 基本概念 | 第29页 |
| 2.5.2 算法流程 | 第29-30页 |
| 2.6 多幅图像的三维重建 | 第30-33页 |
| 2.6.1 计算新加入图像的投影矩阵 | 第30-32页 |
| 2.6.2 误差的控制和处理 | 第32页 |
| 2.6.3 集束调整 | 第32-33页 |
| 2.7 本章小结 | 第33-36页 |
| 第3章 基于片的重建算法(PMVS)的应用 | 第36-44页 |
| 3.1 引言 | 第36页 |
| 3.2 基本模型 | 第36-38页 |
| 3.2.1 片元模型 | 第36页 |
| 3.2.2 纹理差异函数 | 第36-37页 |
| 3.2.3 片元最优化 | 第37-38页 |
| 3.2.4 图像模型 | 第38页 |
| 3.3 片元的重构 | 第38-42页 |
| 3.3.1 特征匹配 | 第38-39页 |
| 3.3.2 片元膨胀处理 | 第39-41页 |
| 3.3.3 过滤器 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于簇的图像划分以及模型融合 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 簇的概念 | 第44-45页 |
| 4.3 簇划分问题的数学描述 | 第45页 |
| 4.4 基于簇的图像划分算法的实现 | 第45-49页 |
| 4.4.1 SFM过滤器 | 第46-47页 |
| 4.4.2 图片选择机制 | 第47-48页 |
| 4.4.3 簇的划分 | 第48页 |
| 4.4.4 簇的更新 | 第48-49页 |
| 4.5 模型的融合 | 第49-52页 |
| 4.5.1 质量过滤器 | 第49-51页 |
| 4.5.2 可视化过滤器 | 第51-52页 |
| 4.5.3 复杂度分析 | 第52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 实验部分 | 第54-62页 |
| 5.1 引言 | 第54页 |
| 5.2 实验结果及分析 | 第54-60页 |
| 5.3 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文所做的工作总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |