基于图像处理的车辆外形测量技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 基于图像处理的车型识别研究现状 | 第10-13页 |
| 1.2.1 国外的研究现状 | 第11-12页 |
| 1.2.2 国内的研究现状 | 第12-13页 |
| 1.3 研究的难点 | 第13-14页 |
| 1.4 本文的工作内容及安排 | 第14-16页 |
| 第二章 方案设计与系统结构 | 第16-22页 |
| 2.1 车辆外形测量的总体方案设计 | 第16-18页 |
| 2.2 基于平面图像的车辆外形测量方案 | 第18-19页 |
| 2.3 基于深度图像的车辆外形测量方案 | 第19-22页 |
| 第三章 交通场景中的相机标定研究 | 第22-32页 |
| 3.1 相机成像模型 | 第22-24页 |
| 3.2 相机标定方法及其在交通场景中的实现 | 第24-31页 |
| 3.2.1 相机标定方法概述 | 第24页 |
| 3.2.2 一般交通场景的特点 | 第24-25页 |
| 3.2.3 优化的直接线性变换标定方法 | 第25-27页 |
| 3.2.4 基于消失点的标定方法 | 第27-29页 |
| 3.2.5 标定方法的实验 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 车辆外表面的三维坐标获取方法研究 | 第32-45页 |
| 4.1 基于平面图像的车辆外表面三维坐标获取 | 第32-35页 |
| 4.1.1 图像逆投影及车辆侧面逆投影图像的提取 | 第32-34页 |
| 4.1.2 车辆侧面逆投影图像的三维信息误差分析 | 第34-35页 |
| 4.2 基于深度图像的车辆外表面三维坐标获取 | 第35-44页 |
| 4.2.1 深度图像的含义 | 第35-37页 |
| 4.2.2 RGB-D相机的选择方案 | 第37-39页 |
| 4.2.3 基于深度图像三维点云转化的实现 | 第39-41页 |
| 4.2.4 车辆图像的三维点云及车辆俯视图 | 第41-42页 |
| 4.2.5 车辆图像三维点云的误差分析 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 车辆图像的配准与拼接 | 第45-60页 |
| 5.1 车辆图像的配准 | 第45-51页 |
| 5.1.1 基于特征点匹配的车辆图像配准 | 第45-49页 |
| 5.1.2 基于光流法的车辆图像配准 | 第49-51页 |
| 5.2 车辆图像匹配点的筛选 | 第51-56页 |
| 5.2.1 基于RANSAC算法的匹配点筛选 | 第51-53页 |
| 5.2.2 基于刚体运动位移一致性的匹配点筛选 | 第53-54页 |
| 5.2.3 本文筛选方法和RANSAC算法的比较 | 第54-56页 |
| 5.3 车辆图像的拼接 | 第56-59页 |
| 5.3.1 基于平面图像的车辆图像拼接 | 第56-57页 |
| 5.3.2 基于深度图像的车辆图像拼接 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 车辆图像的外形测量 | 第60-68页 |
| 6.1 基于车辆侧面逆投影图像的车辆外形测量 | 第60-63页 |
| 6.2 基于车辆俯视图的车辆外形测量 | 第63-64页 |
| 6.3 车辆外形测量方案的实验分析 | 第64-67页 |
| 6.3.1 稳定性分析 | 第64-65页 |
| 6.3.2 测量误差分析 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
