| 第一章 绪论 | 第1-12页 |
| ·本文的研究意义 | 第8页 |
| ·从运动恢复三维形状概述 | 第8-9页 |
| ·本文的研究背景 | 第9-10页 |
| ·本文的研究内容 | 第10-12页 |
| 第二章 计算机视觉算法基础 | 第12-27页 |
| ·射影几何基础 | 第12-17页 |
| ·透视投影摄像机模型 | 第17-22页 |
| ·常用坐标系 | 第17-19页 |
| ·透射投影模型 | 第19-21页 |
| ·摄像机投影矩阵 | 第21-22页 |
| ·透视投影的线性近似 | 第22-26页 |
| ·小结 | 第26-27页 |
| 第三章 点特征提取、匹配和基本矩阵的估计 | 第27-44页 |
| ·简介 | 第27页 |
| ·特征点提取 | 第27-30页 |
| ·序列图像运动模型 | 第28页 |
| ·角点检测器 | 第28-30页 |
| ·半象素精度 | 第30页 |
| ·本文计算角点检测器的步骤 | 第30页 |
| ·匹配特征点 | 第30-33页 |
| ·基于灰度的匹配算法 | 第31页 |
| ·基于特征的匹配算法 | 第31-32页 |
| ·本文的匹配方法 | 第32-33页 |
| ·基本矩阵的估计 | 第33-42页 |
| ·极线几何 | 第34-36页 |
| ·估计基本矩阵 | 第36-41页 |
| ·本文估计基本矩阵的方法 | 第41-42页 |
| ·试验结果 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第四章 摄像机自标定 | 第44-52页 |
| ·简介 | 第44页 |
| ·自标定的原理 | 第44-46页 |
| ·经典Kruppa方程 | 第46-48页 |
| ·简化Kruppa方程 | 第48-50页 |
| ·标定结果 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第五章 从运动恢复三维形状 | 第52-63页 |
| ·简介 | 第52-53页 |
| ·射影重建 | 第53-56页 |
| ·建立一个射影坐标帧 | 第54页 |
| ·建立一个近似的欧氏坐标帧 | 第54-55页 |
| ·计算场景点的三维坐标 | 第55页 |
| ·顺序更新所有图像的投影重建 | 第55-56页 |
| ·近似的欧氏重建(metric reconstruction) | 第56-58页 |
| ·估计运动参数 | 第56-57页 |
| ·运动参数的优化 | 第57-58页 |
| ·估计场景点三维坐标 | 第58页 |
| ·重建结果 | 第58-61页 |
| ·小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-69页 |
| 致谢 | 第69-70页 |