首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于极简标靶的相机参数标定方法

摘要第5-6页
abstract第6-7页
第一章 绪论第10-19页
    1.1 研究目的与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 传统标定物介绍第13-15页
        1.3.1 三维标靶第13-14页
        1.3.2 二维标靶第14-15页
        1.3.3 一维标靶第15页
    1.4 传统摄像机标定方法研究现状小结第15-16页
    1.5 研究的主要内容与技术路线第16-17页
        1.5.1 主要研究内容第16-17页
        1.5.2 技术路线第17页
    1.6 论文组织结构第17-19页
第二章 相机参数标定相关原理分析第19-26页
    2.1 相机标定概述第19页
    2.2 相机成像模型第19-21页
        2.2.1 线性针孔成像模型第19-20页
        2.2.2 非线性成像模型第20-21页
    2.3 相机标定参数第21页
    2.4 成像坐标系第21-25页
        2.4.1 计算机二维图像坐标系第22页
        2.4.2 二维成像平面坐标系第22-23页
        2.4.3 三维摄像机坐标系第23-24页
        2.4.4 三维世界坐标系第24页
        2.4.5 几种坐标系间的相互转换关系第24-25页
    2.5 本章小结第25-26页
第三章 极简标靶标定方法原理与标靶制作第26-39页
    3.1 摄像机线性成像数学模型第26-27页
    3.2 极简标靶相机标定方法模型第27-29页
    3.3 极简标靶标定方法的推导第29-32页
    3.4 极简标靶的设计与制作第32-33页
    3.5 有源极简标靶的制作第33-38页
        3.5.1 平面板材料的选择第34页
        3.5.2 竖直杆材料的选择第34-35页
        3.5.3 光源选择第35-37页
        3.5.4 不同光照环境下标靶特征点获取情况对比第37-38页
    3.6 本章小结第38-39页
第四章 标靶图像特征点坐标提取第39-51页
    4.1 基于Harris角点检测算法的标靶特征点坐标提取方法第39-43页
        4.1.1 Harris角点检测第39-42页
        4.1.2 K-means聚类算法特征点提取第42-43页
    4.2 本文标靶特征点坐标提取方法第43-49页
        4.2.1 图像高斯滤波第43-44页
        4.2.2 图像灰度化第44-45页
        4.2.3 图像边缘检测第45-46页
        4.2.4 图像二值化第46-47页
        4.2.5 形态学闭运算第47-48页
        4.2.6 标靶图像特征点坐标获取第48-49页
    4.3 两种方法结果对比分析第49-50页
    4.4 本章小结第50-51页
第五章 实验设计与结果分析第51-63页
    5.1 实验设计第51-52页
        5.1.1 实验硬件设备第51页
        5.1.2 实验步骤第51-52页
    5.2 自然光照环境下的标定及结果分析第52-60页
        5.2.1 单目相机标定结果第52-56页
        5.2.2 重投影误差分析第56-59页
        5.2.3 双目摄像机标定结果及分析第59-60页
    5.4 黑暗环境下的标定及结果分析第60-62页
    5.5 本章小结第62-63页
第六章 总结与展望第63-65页
    6.1 总结第63-64页
    6.2 展望第64-65页
参考文献第65-68页
致谢第68-69页
作者简介第69页

论文共69页,点击 下载论文
上一篇:基于机器视觉苦荞种子的鉴别
下一篇:基于PDM系统的数据挖掘分析与应用研究