基于无人机影像的运动恢复结构技术（SfM）研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的背景和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 运动恢复结构技术研究现状 | 第13-15页 |
| 1.2.2 基于无人机影像的SfM研究现状 | 第15-16页 |
| 1.2.3 三维重建的其他相关技术 | 第16-17页 |
| 1.3 课题来源及研究内容 | 第17-18页 |
| 1.3.1 课题来源 | 第17页 |
| 1.3.2 课题的主要研究内容 | 第17-18页 |
| 第2章 相关技术概述 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 运动恢复结构基础理论 | 第18-23页 |
| 2.2.1 相机成像模型 | 第18-20页 |
| 2.2.2 多视角几何 | 第20-21页 |
| 2.2.3 相机标定 | 第21-23页 |
| 2.3 相关核心技术 | 第23-27页 |
| 2.3.1 特征点检测与匹配 | 第23-24页 |
| 2.3.2 透视投影矩阵估计与场景结构恢复 | 第24-26页 |
| 2.3.3 光束平差法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于辅助信息的关键帧提取与图像匹配 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 预备知识 | 第28-31页 |
| 3.2.1 无人机影像特点与辅助信息 | 第28-29页 |
| 3.2.2 关键帧提取方法 | 第29-30页 |
| 3.2.3 图像匹配策略 | 第30-31页 |
| 3.3 结合无人机运动信息的关键帧分步提取算法 | 第31-34页 |
| 3.3.1 关键帧分步提取算法流程 | 第31-32页 |
| 3.3.2 关键帧粗提取 | 第32-33页 |
| 3.3.3 关键帧精提取 | 第33-34页 |
| 3.4 无人机图像预匹配方法 | 第34-36页 |
| 3.4.1 图像聚类 | 第34-35页 |
| 3.4.2 无人机图像预匹配流程 | 第35-36页 |
| 3.5 实验与结果分析 | 第36-42页 |
| 3.5.1 分步提取与逐帧跟踪提取对比 | 第36-39页 |
| 3.5.2 图像预匹配实验 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 无人机影像径向畸变自标定优化方法 | 第43-69页 |
| 4.1 引言 | 第43页 |
| 4.2 径向畸变自标定歧义性问题 | 第43-46页 |
| 4.2.1 自标定的临界歧义模式 | 第43-45页 |
| 4.2.2 歧义性错误的传统解决方法 | 第45-46页 |
| 4.3 径向畸变自标定优化算法 | 第46-52页 |
| 4.3.1 光束平差法损失函数的改进 | 第47页 |
| 4.3.2 歧义性错误度量函数的设计 | 第47-50页 |
| 4.3.3 畸变系数优化的启发式搜索方法 | 第50-52页 |
| 4.3.4 径向畸变自标定优化算法流程 | 第52页 |
| 4.4 分层框架下的径向畸变自标定优化方法 | 第52-56页 |
| 4.4.1 基于数位的径向畸变系数搜索方法 | 第53-54页 |
| 4.4.2 基于分层框架的径向畸变自标定优化方法 | 第54-56页 |
| 4.5 实验及结果分析 | 第56-68页 |
| 4.5.1 启发式搜索与优化 | 第56-62页 |
| 4.5.2 分层搜索与优化 | 第62-66页 |
| 4.5.3 整体优化重建 | 第66-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第5章 无人机影像三维重建系统 | 第69-78页 |
| 5.1 引言 | 第69页 |
| 5.2 无人机影像三维重建系统构建 | 第69-71页 |
| 5.2.1 系统架构与设计 | 第69-70页 |
| 5.2.2 数据预处理及稀疏重建 | 第70-71页 |
| 5.2.3 稠密重建与点云模型化 | 第71页 |
| 5.3 系统界面功能及实验测试 | 第71-77页 |
| 5.3.1 系统界面功能介绍 | 第71-72页 |
| 5.3.2 无人机影像重建结果 | 第72-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间所发表的学术论文 | 第85-86页 |
| 致谢 | 第86页 |
