摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第15-29页 |
1.1 课题背景及研究目的 | 第15-17页 |
1.2 国内外研究现状 | 第17-22页 |
1.2.1 多视角立体重建的主要算法和存在的问题 | 第18-21页 |
1.2.2 其它多视角立体重建算法 | 第21-22页 |
1.3 多视角立体三维重建中的基本概念和存在的主要问题 | 第22-26页 |
1.4 课题来源与本文的主要研究内容 | 第26-29页 |
第2章 高精度多视角立体和轮廓融合 | 第29-53页 |
2.1 引言 | 第29-30页 |
2.2 相关工作进展 | 第30-31页 |
2.3 基于广义重投影误差的多视角立体和轮廓融合 | 第31-42页 |
2.3.1 TwGREM的概念 | 第32-34页 |
2.3.2 能量泛函的构建 | 第34-36页 |
2.3.3 能量最小化 | 第36-42页 |
2.4 实验结果 | 第42-49页 |
2.4.1 Middlebury数据集定量评估 | 第43-48页 |
2.4.2 其它数据集定性评估 | 第48-49页 |
2.5 本章小结 | 第49-53页 |
第3章 基于三角网格的变分多视角立体三维重建 | 第53-86页 |
3.1 引言 | 第53-55页 |
3.2 相关工作进展 | 第55-58页 |
3.3 重投影误差和最小化 | 第58-61页 |
3.4 细节保留和目标自适应的变分多视角三维重建 | 第61-69页 |
3.4.1 细节保留的图像间相似性度量 | 第61-65页 |
3.4.2 基于l_p范数最小化和目标自适应的三角网格去噪 | 第65-69页 |
3.5 实验结果 | 第69-84页 |
3.5.1 初始化和实现细节 | 第69-71页 |
3.5.2 Middlebury数据集定量评估 | 第71-72页 |
3.5.3 其它数据集上的定性评估 | 第72-77页 |
3.5.4 对细节保留的相似性度量的评估 | 第77-80页 |
3.5.5 对目标自适应的三角网格去噪算法的评估 | 第80-81页 |
3.5.6 运行时间评估 | 第81-84页 |
3.6 本章小结 | 第84-86页 |
第4章 快速高质量多视角立体深度图融合 | 第86-111页 |
4.1 引言 | 第86-87页 |
4.2 相关工作进展 | 第87-88页 |
4.3 基于坐标下降最优化的多视角立体深度图融合 | 第88-98页 |
4.3.1 估计深度图 | 第88-89页 |
4.3.2 基于TSDF的深度融合 | 第89-91页 |
4.3.3 基于CoD的融合算法 | 第91-94页 |
4.3.4 扩展到各项同性TV | 第94-97页 |
4.3.5 后处理 | 第97-98页 |
4.4 实验结果 | 第98-107页 |
4.4.1 Middlebury数据集定量评估 | 第99-100页 |
4.4.2 DTU大尺度数据集定量评估 | 第100-101页 |
4.4.3 其它数据集定性评估 | 第101-103页 |
4.4.4 基于各项异性和基于各项同性TV的CoD-Fusion的比较 | 第103-106页 |
4.4.5 讨论 | 第106-107页 |
4.5 本章小结 | 第107-111页 |
第5章 基于单目相机的鲁棒实时三维重建 | 第111-126页 |
5.1 引言 | 第111-113页 |
5.2 相关工作进展 | 第113页 |
5.3 基于单目相机的鲁棒实时三维重建 | 第113-120页 |
5.3.1 基于SLAM算法的视频帧相机姿态估计 | 第115-116页 |
5.3.2 基于置信度的鲁棒深度估计算法 | 第116-120页 |
5.3.3 基于GPU的深度融合 | 第120页 |
5.4 实验结果 | 第120-122页 |
5.5 本章小结 | 第122-126页 |
结论 | 第126-129页 |
参考文献 | 第129-143页 |
附录 A | 第143-149页 |
A.1 从公式4-14到公式4-12的推导 | 第143-146页 |
A.2 CoD-Fusion-N6-iso的推导 | 第146-147页 |
A.3 基于多视角图像人体三维重建系统 | 第147-149页 |
攻读博士学位期间发表的论文及其他成果 | 第149-153页 |
致谢 | 第153-154页 |
个人简历 | 第154页 |