| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第10-14页 |
| 1．1 引言 | 第10页 |
| 1．2 立体视觉的研究现状 | 第10-11页 |
| 1．3 课题的选题依据 | 第11-12页 |
| 1．4 论文主要内容和结构安排 | 第12-14页 |
| 第2章 摄像机标定 | 第14-33页 |
| 2．1 概述 | 第14-15页 |
| 2．2 摄像机成像模型 | 第15-19页 |
| 2．2．1 定义四个坐标系 | 第15-16页 |
| 2．2．2 摄像机线性成像模型 | 第16-18页 |
| 2．2．3 非线性摄像机模型 | 第18-19页 |
| 2．3 典型摄像机标定方法 | 第19-27页 |
| 2．3．1 利用透视变换矩阵的摄像机定标方法 | 第19-21页 |
| 2．3．2 两步法 | 第21-25页 |
| 2．3．3 双目立体视觉摄像机的标定 | 第25-27页 |
| 2．4 本课题采用的标定方法 | 第27-33页 |
| 2．4．1 基本方程 | 第27-29页 |
| 2．4．2 参数求解过程 | 第29-31页 |
| 2．4．3 镜头畸变的处理 | 第31-32页 |
| 2．4．4 标定步骤 | 第32-33页 |
| 第3章 目标三维信息的获取与显示 | 第33-52页 |
| 3．1 双目视觉立体定位原理 | 第33-36页 |
| 3．1．1 平行放置的双目视觉模型定位原理 | 第33-34页 |
| 3．1．2 任意放置的双目视觉模型定位原理 | 第34-36页 |
| 3．2 极线几何与极线校正 | 第36-41页 |
| 3．2．1 极线几何 | 第36-37页 |
| 3．2．2 极线校正的基本概念 | 第37-38页 |
| 3．2．3 极线校正的传统方法 | 第38-39页 |
| 3．2．4 论文采用的极线校正算法 | 第39-41页 |
| 3．3 立体匹配算法研究 | 第41-47页 |
| 3．3．1 立体匹配的四个关键问题 | 第42-44页 |
| 3．3．2 立体匹配算法的分类 | 第44-46页 |
| 3．3．3 匹配策略的运用 | 第46页 |
| 3．3．4 存在的问题及发展的方向 | 第46-47页 |
| 3．4 论文采用的立体匹配算法 | 第47-49页 |
| 3．4．1 算法描述 | 第47-49页 |
| 3．4．2 匹配约束 | 第49页 |
| 3．4．3 动态规划算法的运用 | 第49页 |
| 3．5 基于 OpenGL的景物表面绘制 | 第49-52页 |
| 3．5．1 OpenGL简介 | 第49-50页 |
| 3．5．2 在 MFC下开发 OpenGL程序的编程步骤 | 第50-51页 |
| 3．5．3 用 OpenGL实现景物表面的绘制 | 第51-52页 |
| 第4章 基于颜色信息的特征提取与目标跟踪 | 第52-61页 |
| 4．1 概述 | 第52-54页 |
| 4．1．1 引言 | 第52页 |
| 4．1．2 目标跟踪方法的分类 | 第52-53页 |
| 4．1．3 基于颜色信息和卡尔曼滤波的目标跟踪方法 | 第53-54页 |
| 4．2 基于颜色信息的特征提取 | 第54-57页 |
| 4．2．1 表色模型的选择 | 第54-55页 |
| 4．2．2 基于颜色信息的特征提取方法 | 第55-57页 |
| 4．3 基于颜色信息的卡尔曼滤波跟踪算法 | 第57-61页 |
| 4．3．1 卡尔曼滤波算法简介 | 第57-58页 |
| 4．3．2 基于 Kalman滤波的二维跟踪数学模型 | 第58-60页 |
| 4．3．3 基于颜色信息的卡尔曼滤波跟踪算法 | 第60-61页 |
| 第5章 双目立体视觉系统的设计与实现 | 第61-72页 |
| 5．1 概述 | 第61-62页 |
| 5．2 基于 OpenCV的视频应用程序的开发步骤 | 第62-63页 |
| 5．3 双目立体视觉系统组成与实现步骤 | 第63-65页 |
| 5．3．1 系统硬件组成 | 第63页 |
| 5．3．2 系统软件设计 | 第63-65页 |
| 5．3．3 三维重建与跟踪的实现步骤 | 第65页 |
| 5．4 实验结果与分析 | 第65-72页 |
| 5．4．1 摄像机标定 | 第65-70页 |
| 5．4．2 三维重建 | 第70-71页 |
| 5．4．3 实验结果分析 | 第71-72页 |
| 结束语 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者在攻读硕士学位期间发表与撰写的论文 | 第74-75页 |
| 参考文献 | 第75-77页 |
