基于计算机视觉的活立木三维重建方法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-10页 |
| ·MARR计算机视觉理论框架 | 第10-12页 |
| ·视觉系统研究的三个层次 | 第10-11页 |
| ·视觉信息处理的三个阶段 | 第11页 |
| ·计算机视觉研究的复杂性 | 第11-12页 |
| ·计算机视觉的三维重建研究综述 | 第12-14页 |
| ·本文的研究内容 | 第14-17页 |
| 2 双目立体视觉基础 | 第17-29页 |
| ·射影几何基础 | 第17-19页 |
| ·齐次坐标 | 第17页 |
| ·二维射影 | 第17-18页 |
| ·三维射影 | 第18页 |
| ·射影几何变换 | 第18-19页 |
| ·摄像机成像模型 | 第19-22页 |
| ·坐标系统 | 第19-21页 |
| ·针孔成像模型 | 第21-22页 |
| ·非线性摄像机模型 | 第22页 |
| ·双目立体视觉原理 | 第22-28页 |
| ·双目立体视觉系统的结构 | 第22-23页 |
| ·双目立体视觉模型 | 第23-28页 |
| ·小结 | 第28-29页 |
| 3 活立木枝干提取 | 第29-39页 |
| ·图像预处理 | 第29-31页 |
| ·图像灰度化 | 第29-30页 |
| ·图像压缩 | 第30-31页 |
| ·图像分割 | 第31-35页 |
| ·图像分割的概述 | 第32页 |
| ·基于水平集的图像分割方法 | 第32-34页 |
| ·基于数学形态学的图像分割方法 | 第34-35页 |
| ·立木枝干提取 | 第35-38页 |
| ·图像滤波 | 第35-36页 |
| ·消除孤立点 | 第36-37页 |
| ·立木枝干的提取 | 第37-38页 |
| ·小结 | 第38-39页 |
| 4 角点检测与匹配 | 第39-51页 |
| ·角点检测 | 第39-42页 |
| ·Harris角点检测 | 第39-40页 |
| ·SUSAN角点检测 | 第40-42页 |
| ·角点匹配 | 第42-43页 |
| ·基于灰度的匹配算法 | 第42页 |
| ·基于特征的匹配算法 | 第42-43页 |
| ·SIFT匹配方法 | 第43页 |
| ·SIFT角点检测与NCC匹配 | 第43-50页 |
| ·SIFT角点检测 | 第44页 |
| ·基于NCC的匹配 | 第44-45页 |
| ·实验结果与分析 | 第45-50页 |
| ·小结 | 第50-51页 |
| 5 基本矩阵估计与射影重建 | 第51-63页 |
| ·基本矩阵的估计 | 第51-54页 |
| ·基于粒子群优化的基本矩阵估计 | 第54-58页 |
| ·粒子群优化基本原理 | 第54-55页 |
| ·基于粒子群优化估计基本矩阵 | 第55-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·射影重建 | 第58-62页 |
| ·因式分解方法 | 第59-61页 |
| ·实验结果与分析 | 第61-62页 |
| ·小结 | 第62-63页 |
| 6 相机自标定与欧氏重建 | 第63-77页 |
| ·自标定方法概述 | 第63-68页 |
| ·Kruppa方程的标定 | 第64-65页 |
| ·分层逐步标定 | 第65-67页 |
| ·Pollefeys的模约束 | 第67-68页 |
| ·基于遗传算法的自标定 | 第68-71页 |
| ·Kruppa方程与基本矩阵的关系 | 第68-70页 |
| ·遗传算法基本原理 | 第70-71页 |
| ·基于遗传算法的摄像机内参数计算 | 第71页 |
| ·实验结果与分析 | 第71页 |
| ·欧氏三维重建 | 第71-76页 |
| ·运动参数估计 | 第72页 |
| ·运动参数优化 | 第72-73页 |
| ·场景点三维坐标估计 | 第73-74页 |
| ·实验结果与分析 | 第74-76页 |
| ·小结 | 第76-77页 |
| 7 结论与展望 | 第77-79页 |
| ·结论 | 第77-78页 |
| ·展望 | 第78-79页 |
| 附表 | 第79-85页 |
| 参考文献 | 第85-91页 |
| 个人简介 | 第91-92页 |
| 导师简介 | 第92-93页 |
| 在读博士期间发表论文和申请专利 | 第93-94页 |
| 致谢 | 第94页 |
