基于多视图的三维模型重建方法研究
| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第1章 绪论 | 第16-27页 |
| ·引言 | 第16-17页 |
| ·研究现状 | 第17-22页 |
| ·研究内容及主要贡献 | 第22-24页 |
| ·论文的组织结构 | 第24-27页 |
| 第2章 特征点描述与匹配 | 第27-47页 |
| ·基于ICA模型的特征点描述与匹配 | 第27-41页 |
| ·特征点提取 | 第27-31页 |
| ·用于特征描述的独立成分分析模型 | 第31-33页 |
| ·计算ICA特征空间 | 第33-34页 |
| ·局部特征点描述 | 第34-35页 |
| ·性能评测 | 第35-41页 |
| ·实验结果 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于未标定图像的三维点云重建 | 第47-76页 |
| ·相关知识 | 第47-51页 |
| ·几何空间 | 第47-49页 |
| ·透视投影模型 | 第49-50页 |
| ·极线几何 | 第50-51页 |
| ·基于全局优化的基础矩阵求解 | 第51-56页 |
| ·基础矩阵参数化 | 第52页 |
| ·基础矩阵全局优化算法 | 第52-56页 |
| ·度量空间三维点云恢复算法 | 第56-66页 |
| ·射影空间多视图投影矩阵求解 | 第57-60页 |
| ·度量空间投影矩阵求解 | 第60-63页 |
| ·分层三维结构恢复算法 | 第63-66页 |
| ·实验结果 | 第66-75页 |
| ·本章小结 | 第75-76页 |
| 第4章 点云数据的优化算法 | 第76-97页 |
| ·基于随机行走模型的点云优化 | 第76-90页 |
| ·LM算法和SBA框架 | 第77-78页 |
| ·基于随机行走模型的点云优化算法 | 第78-83页 |
| ·实验结果 | 第83-90页 |
| ·讨论 | 第90-96页 |
| ·点云表面重建后存在的问题 | 第90-93页 |
| ·一些初步修整 | 第93-96页 |
| ·本章小结 | 第96-97页 |
| 第5章 多视图纹理映射算法 | 第97-112页 |
| ·多视图纹理映射流程 | 第97-98页 |
| ·基于马太效应法则的纹理分布优化 | 第98-105页 |
| ·可见性判断 | 第99页 |
| ·初始纹理分布 | 第99-100页 |
| ·基于马太效应法则的纹理分布转移概率模型 | 第100-103页 |
| ·纹理分块重新配置算法 | 第103-105页 |
| ·纹理接缝融合 | 第105-107页 |
| ·二维流形纹理空间空洞修补 | 第107-108页 |
| ·实验结果 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 第6章 总结与展望 | 第112-115页 |
| ·本文主要工作总结 | 第112-113页 |
| ·未来工作展望 | 第113-115页 |
| 参考文献 | 第115-122页 |
| 致谢 | 第122-123页 |
| 攻读博士学位期间发表的学术论文目录 | 第123-124页 |
| 学位论文评阅及答辩情况表 | 第124-126页 |
| 外文论文 | 第126-161页 |
