基于双目视觉的塔机障碍物测距方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 塔机碰撞问题概述 | 第11-12页 |
| 1.2 塔机防碰撞研究现状 | 第12-14页 |
| 1.3 塔机防碰撞技术分析 | 第14-15页 |
| 1.4 课题研究目的及意义 | 第15页 |
| 1.4.1 课题研究的目的 | 第15页 |
| 1.4.2 课题研究的意义 | 第15页 |
| 1.5 本课题研究的主要内容 | 第15-17页 |
| 第二章 双目立体视觉测距方法 | 第17-23页 |
| 2.1 双目视觉三维测量原理 | 第17-19页 |
| 2.2 双目视觉三维测量数学模型 | 第19-21页 |
| 2.3 双目视觉测量系统 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 双目测距系统的标定 | 第23-33页 |
| 3.1 摄像机标定的方法 | 第23-24页 |
| 3.2 摄像机标定的原理 | 第24-28页 |
| 3.2.1 摄像机标定中的坐标系 | 第25-27页 |
| 3.2.2 坐标系间的转换 | 第27-28页 |
| 3.3 摄像机标定的工具 | 第28页 |
| 3.4 摄像机标定过程 | 第28-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 改进的SIFT特征提取和匹配算法 | 第33-61页 |
| 4.1 SIFT算法概述 | 第33-35页 |
| 4.2 SIFT算法相关理论 | 第35-38页 |
| 4.3 SIFT算法实现 | 第38-49页 |
| 4.4 SIFT特征点匹配 | 第49-54页 |
| 4.4.1 K-d tree的构建 | 第50-51页 |
| 4.4.2 K-d tree的最近邻搜索算法 | 第51-54页 |
| 4.5 SIFT算法的改进 | 第54-58页 |
| 4.5.1 PCA-SIFT算法 | 第54-56页 |
| 4.5.2 RANSAC算法 | 第56-58页 |
| 4.6 SIFT实验结果及分析 | 第58-60页 |
| 4.6.1 实验环境 | 第58页 |
| 4.6.2 实验结果分析 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 双目视觉塔机测距实验 | 第61-67页 |
| 5.1 实验平台搭建 | 第61-62页 |
| 5.2 模拟实验场景设置 | 第62-63页 |
| 5.3 模拟实验结果及分析 | 第63-64页 |
| 5.4 塔机现场实验及结果 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 结论 | 第67-69页 |
| 6.1 本文的主要工作 | 第67页 |
| 6.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简介 | 第73页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第73-75页 |
| 致谢 | 第75页 |
