| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 立体视觉的研究现状 | 第11-12页 |
| 1.2.2 立体匹配的研究现状 | 第12-13页 |
| 1.2.3 点云精简的研究现状 | 第13-14页 |
| 1.2.4 Delaunay三角剖分的研究现状 | 第14页 |
| 1.3 本文的研究重点与难点 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-17页 |
| 第2章 图像数据的获取 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 相机标定 | 第17-20页 |
| 2.2.1 常用的相机标定方法 | 第17-18页 |
| 2.2.2 双目相机的标定 | 第18-20页 |
| 2.3 图像校正 | 第20-24页 |
| 2.3.1 图像校正的概念 | 第20-22页 |
| 2.3.2 常用的图像校正方法 | 第22页 |
| 2.3.3 基于相机未标定的图像校正 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于Sift特征的立体匹配 | 第25-40页 |
| 3.1 引言 | 第25页 |
| 3.2 立体匹配的基本概念 | 第25-28页 |
| 3.2.1 立体匹配的概念 | 第25页 |
| 3.2.2 立体匹配的步骤 | 第25-27页 |
| 3.2.3 立体匹配的约束条件 | 第27-28页 |
| 3.2.4 立体匹配的难点 | 第28页 |
| 3.3 基于Sift算子的立体匹配算法 | 第28-38页 |
| 3.3.1 Sift特征点检测 | 第29-32页 |
| 3.3.2 种子点生长算法 | 第32-35页 |
| 3.3.3 彩色视差图 | 第35-36页 |
| 3.3.4 实验分析 | 第36-38页 |
| 3.4 散乱点云数据的获取 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 点云精简 | 第40-46页 |
| 4.1 引言 | 第40页 |
| 4.2 点云去噪处理 | 第40-41页 |
| 4.3 基于八叉树的点云精简算法 | 第41-44页 |
| 4.3.1 基于八叉树的邻域选取 | 第41-43页 |
| 4.3.2 边缘点的提取 | 第43页 |
| 4.3.3 非边缘点重要性计算 | 第43-44页 |
| 4.4 点云精简实验 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于Delaunay三角剖分的三维点云重建 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 原始点云信息的处理 | 第46-47页 |
| 5.3 点云分片及局部参数化处理 | 第47-49页 |
| 5.3.1 点云分片处理 | 第47-48页 |
| 5.3.2 局部参数化处理 | 第48-49页 |
| 5.4 构建Delaunay三角网格 | 第49-54页 |
| 5.4.1 构建动态初始凸壳 | 第49-50页 |
| 5.4.2 划分格网 | 第50-51页 |
| 5.4.3 插入点混合定位算法 | 第51-52页 |
| 5.4.4 直线行走算法 | 第52-53页 |
| 5.4.5 外空接圆检测 | 第53-54页 |
| 5.5 实验结果与分析 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |