基于棱镜的单目立体视觉匹配算法研究
| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景 | 第10-13页 |
| 1.2 研究目的和意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 立体视觉的研究现状与应用 | 第13-15页 |
| 1.3.2 立体匹配面临的挑战 | 第15-17页 |
| 1.4 本文研究内容 | 第17-20页 |
| 第2章 立体视觉概论 | 第20-40页 |
| 2.1 计算机视觉 | 第20-23页 |
| 2.1.1 立体视觉简介 | 第21-23页 |
| 2.1.2 立体视觉的研究内容 | 第23页 |
| 2.2 立体视觉测量方法的分类 | 第23-29页 |
| 2.2.1 双目立体测量 | 第23-26页 |
| 2.2.2 单目立体视觉测量 | 第26-29页 |
| 2.3 立体匹配的基础 | 第29-38页 |
| 2.3.1 摄像机成像模型 | 第29-32页 |
| 2.3.2 线性摄像机模型 | 第32-33页 |
| 2.3.3 非线性摄像机模型 | 第33-34页 |
| 2.3.4 立体视觉原理 | 第34-37页 |
| 2.3.5 极线几何 | 第37-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第3章 立体匹配算法分类及总结 | 第40-54页 |
| 3.1 匹配基元 | 第40-43页 |
| 3.2 立体匹配算法分类 | 第43页 |
| 3.3 匹配算法概述 | 第43-46页 |
| 3.3.1 区域匹配算法 | 第44-45页 |
| 3.3.2 基于特征的立体匹配 | 第45页 |
| 3.3.3 全局立体匹配算法 | 第45-46页 |
| 3.4 尺度不变特征变换匹配(SIFT)算法 | 第46-53页 |
| 3.4.1 尺度空间的极值检测 | 第47-50页 |
| 3.4.2 关键点的定位 | 第50-51页 |
| 3.4.3 给关键点分配方向 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于图像特征的极线校正 | 第54-64页 |
| 4.1 立体匹配的约束条件 | 第54-55页 |
| 4.2 单目立体视觉极线几何的原理 | 第55-62页 |
| 4.2.1 计算外极几何的方法 | 第55-56页 |
| 4.2.2 改进后的计算外极几何方法 | 第56-62页 |
| 4.3 本章小结 | 第62-64页 |
| 第5章 实验结果与分析 | 第64-76页 |
| 5.1 摄像机标定 | 第64-65页 |
| 5.1.1 单相机标定 | 第64-65页 |
| 5.1.2 立体标定 | 第65页 |
| 5.2 获取图像 | 第65-67页 |
| 5.3 提取图像特征 | 第67-68页 |
| 5.4 SIFT图像特征的匹配 | 第68-74页 |
| 5.4.1 图像特征的粗匹配 | 第68-70页 |
| 5.4.2 除去误匹配 | 第70-72页 |
| 5.4.3 根据匹配点计算极线 | 第72-73页 |
| 5.4.4 极线校正 | 第73-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
