| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 鱼眼相机标定方法及其研究现状 | 第15-18页 |
| 1.3 论文内容及作者完成的工作 | 第18-20页 |
| 第二章 基础背景知识 | 第20-32页 |
| 2.1 特征点的几何约束关系 | 第20-24页 |
| 2.1.1 对极几何 | 第20-21页 |
| 2.1.2 基础矩阵 | 第21-22页 |
| 2.1.3 单应矩阵 | 第22-24页 |
| 2.2 SIFT算法 | 第24-28页 |
| 2.3 LK光流算法 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 鱼眼相机模型分析与实验 | 第32-46页 |
| 3.1 相机的基本成像模型 | 第32-36页 |
| 3.1.1 针孔相机投影模型 | 第34-35页 |
| 3.1.2 普通相机的畸变模型 | 第35-36页 |
| 3.2 鱼眼相机的成像模型 | 第36-38页 |
| 3.3 OpenCV中的鱼眼相机模型 | 第38-41页 |
| 3.4 一种新的鱼眼相机模型 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 车载鱼眼相机自标定 | 第46-64页 |
| 4.1 初始值的求解 | 第46-51页 |
| 4.1.1 畸变中心的初始值求解 | 第47-49页 |
| 4.1.2 焦距初始值求解 | 第49-51页 |
| 4.2 SIFT算法检测鱼眼图像特征点的可行性实验 | 第51-53页 |
| 4.3 基于基础矩阵的自标定算法及实验 | 第53-55页 |
| 4.3.1 基于基础矩阵的自标定算法 | 第53页 |
| 4.3.2 实验结果及分析 | 第53-55页 |
| 4.4 基于单应矩阵的自标定算法及实验 | 第55-58页 |
| 4.4.1 基于单应矩阵的自标定算法 | 第55-57页 |
| 4.4.2 实验结果及分析 | 第57-58页 |
| 4.5 基于共线性的自标定算法及实验 | 第58-63页 |
| 4.5.1 基于共线性的自标定算法 | 第58-60页 |
| 4.5.2 实验结果及分析 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |