| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 双目立体视觉测量技术研究现状 | 第10-13页 |
| 1.2.1 双目立体视觉测量流程 | 第11页 |
| 1.2.2 摄像机标定 | 第11-12页 |
| 1.2.3 立体匹配 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 双目立体视觉测量模型 | 第15-25页 |
| 2.1 常用坐标系 | 第15-17页 |
| 2.2 摄像机模型 | 第17-19页 |
| 2.2.1 线性模型——针孔成像模型 | 第17-18页 |
| 2.2.2 非线性模型 | 第18-19页 |
| 2.3 双目立体视觉测量模型 | 第19-24页 |
| 2.3.1 理想双目立体视觉测量模型 | 第20-22页 |
| 2.3.2 实际双目立体视觉测量模型 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 双目摄像机标定及立体校正 | 第25-35页 |
| 3.1 张正友标定法 | 第25-30页 |
| 3.1.1 标定原理 | 第25-29页 |
| 3.1.2 标定实验 | 第29-30页 |
| 3.2 极线几何约束 | 第30-31页 |
| 3.3 立体校正 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 电梯门边缘识别 | 第35-63页 |
| 4.1 图像预处理 | 第35-38页 |
| 4.1.1 灰度化处理 | 第35-36页 |
| 4.1.2 图像滤波 | 第36页 |
| 4.1.3 形态学处理 | 第36-38页 |
| 4.2 基于运动物体检测的电梯门边缘识别 | 第38-42页 |
| 4.2.1 运动物体检测方法 | 第38-40页 |
| 4.2.2 基于帧间差分法的电梯门边缘识别 | 第40-42页 |
| 4.3 基于阈值分割的电梯门边缘识别 | 第42-49页 |
| 4.3.1 阈值分割方法 | 第42-44页 |
| 4.3.2 基于最大类间方差阈值分割的电梯门边缘识别 | 第44-49页 |
| 4.4 基于边缘检测的电梯门边缘识别 | 第49-53页 |
| 4.4.1 边缘检测方法 | 第49-50页 |
| 4.4.2 基于水平梯度法的边缘检测 | 第50-53页 |
| 4.5 阈值分割与边缘检测相叠加 | 第53-55页 |
| 4.6 抗干扰性能提高研究 | 第55-60页 |
| 4.6.1 基于多项式拟合的运动轨迹预测模型 | 第56-57页 |
| 4.6.2 类高斯加权函数描述的预测置信度评估 | 第57-58页 |
| 4.6.3 以预测位置为中心进行类高斯加权的阈值分割与边缘检测混合算法 | 第58-60页 |
| 4.6.4 针对运动噪声的鲁棒性提高研究 | 第60页 |
| 4.7 本章小结 | 第60-63页 |
| 第五章 电梯开关门检测中的立体匹配与测速测距 | 第63-73页 |
| 5.1 立体匹配基础理论 | 第63-66页 |
| 5.1.1 匹配基元 | 第63-64页 |
| 5.1.2 立体匹配中的基本约束 | 第64页 |
| 5.1.3 相似性度量 | 第64-65页 |
| 5.1.4 匹配策略 | 第65-66页 |
| 5.2 立体匹配与测距实验 | 第66-68页 |
| 5.2.1 基于ORB算法的特征点提取的匹配 | 第66-67页 |
| 5.2.2 极线约束下的区域匹配 | 第67页 |
| 5.2.3 测距实验 | 第67-68页 |
| 5.3 针对电梯门运动特点的具体约束条件 | 第68页 |
| 5.3.1 电梯门开关门状态划分 | 第68页 |
| 5.3.2 具体约束条件 | 第68页 |
| 5.4 检测过程中的立体匹配 | 第68-71页 |
| 5.4.1 通过区域匹配进行实时匹配 | 第69页 |
| 5.4.2 通过双路识别进行实时匹配 | 第69-71页 |
| 5.4.3 单一时刻匹配 | 第71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 作者在攻读硕士学位期间发表的论文 | 第81页 |