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

基于双目立体视觉的三维重建

摘要第6-7页
Abstract第7页
第一章 绪论第8-18页
    1.1 研究背景与研究意义第8-9页
    1.2 Marr视觉理论框架及其发展改进第9-12页
        1.2.1 Marr视觉理论框架第9-11页
        1.2.2 发展改进的视觉理论第11-12页
    1.3 国内外研究现状及发展趋势第12-14页
        1.3.1 国外研究现状第12-13页
        1.3.2 国内研究现状第13页
        1.3.3 双目视觉发展趋势第13-14页
    1.4 本文主要工作及创新点第14-16页
    1.5 章节安排第16-18页
第二章 图像获取及预处理第18-30页
    2.1 引言第18页
    2.2 双目视觉模型第18-21页
        2.2.1 平行式视觉模型第18-19页
        2.2.2 汇聚式视觉模型第19-21页
    2.3 图像获取系统第21-25页
        2.3.1 棋盘格的制作第21-22页
        2.3.2 摄像机及镜头的选择第22-23页
        2.3.3 图像获取平台第23-25页
    2.4 图像预处理第25-29页
        2.4.1 图像去噪第25-27页
        2.4.2 图像锐化增强第27-29页
    2.5 本章总结第29-30页
第三章 改进的角点检测算法第30-41页
    3.1 引言第30页
    3.2 常用的角点检测算法第30-35页
        3.2.1 Harris特征点检测算法第30-32页
        3.2.2 ORB特征点检测算法第32-33页
        3.2.3 BRISK特征点检测算法第33-34页
        3.2.4 FREAK特征点检测算法第34-35页
    3.3 改进的特征点检测算法第35-37页
    3.4 实验结果与分析第37-40页
        3.4.1 过平滑区域角点检测效果的比较第37-38页
        3.4.2 角点检测率对比验证第38-39页
        3.4.3 算法可行性验证第39-40页
    3.5 本章总结第40-41页
第四章 双目立体视觉标定第41-59页
    4.1 引言第41页
    4.2 标定原理第41-46页
        4.2.1 摄像机坐标系第41-43页
        4.2.2 针孔模型与畸变模型第43-45页
        4.2.3 摄像机模型参数第45-46页
    4.3 标定方法第46-49页
        4.3.1 传统的标定方法第46-48页
        4.3.2 自标定方法第48页
        4.3.3 主动视觉标定方法第48页
        4.3.4 标定方法对比第48-49页
    4.4 基于二阶混合模型的三步标定法第49-54页
        4.4.1 二阶混合畸变模型第50-52页
        4.4.2 最小二乘法求解畸变参数第52-54页
        4.4.3 LM算法非线性全局优化第54页
    4.5 实验结果与分析第54-58页
        4.5.1 实验步骤分析第55-57页
        4.5.2 均方根误差(RMS)精度评价第57-58页
    4.6 本章总结第58-59页
第五章 立体匹配算法研究第59-78页
    5.1 引言第59页
    5.2 匹配策略与约束条件第59-64页
        5.2.1 匹配基元第59-60页
        5.2.2 匹配约束准则第60-61页
        5.2.3 相似性测度第61-63页
        5.2.4 搜索策略第63-64页
    5.3 常用匹配方法第64-66页
    5.4 代价可变的S-census变换算法第66-72页
        5.4.1 VSC算法的提出第66-67页
        5.4.2 S-census变换第67-70页
        5.4.3 可变权重代价计算第70-71页
        5.4.4 代价聚合与视差优化第71-72页
    5.5 实验结果与分析第72-77页
        5.5.1 S-census与census变换匹配率比较第72-73页
        5.5.2 代价区分度验证第73-74页
        5.5.3 算法可行性验证第74-77页
        5.5.4 实验小结第77页
    5.6 本章总结第77-78页
第六章 三维重建第78-89页
    6.1 引言第78页
    6.2 三维重建理论第78-81页
        6.2.1 主动式三维重建第78-80页
        6.2.2 被动式三维重建第80-81页
    6.3 三维重建流程与实现第81-88页
        6.3.1 三维重建流程第81-83页
        6.3.2 八叉树点云精简法流程第83-84页
        6.3.3 点云精简及重建结果实现与分析第84-88页
    6.4 本章总结第88-89页
第七章 结论与展望第89-91页
参考文献第91-96页
致谢第96-97页
作者在攻读硕士学位期间学术成果第97页

论文共97页,点击 下载论文
上一篇:基于深度学习的场景识别研究
下一篇:基于倒数—谱残差与SLIC超像素分割的图像显著性方法研究