基于神经网络的光学三维测量方法研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-12页 |
| 1 绪论 | 第12-16页 |
| ·课题研究的背景和意义 | 第12-13页 |
| ·光学三维测量技术国内外研究现状 | 第13-14页 |
| ·研究内容、技术路线及章节安排 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 基于神经网络的摄像机标定 | 第16-33页 |
| ·人工神经网络技术 | 第16-21页 |
| ·人工神经网络基础 | 第16-18页 |
| ·BP 神经网络 | 第18-19页 |
| ·RBF 神经网络 | 第19-21页 |
| ·摄像机标定理论 | 第21-25页 |
| ·摄像机模型 | 第21-23页 |
| ·摄像机标定的分类 | 第23-25页 |
| ·用于摄像机标定的 RBF 神经网络的设计 | 第25-27页 |
| ·RBF 网络结构实现摄像机标定 | 第25-26页 |
| ·网络的训练算法及各参数的确定 | 第26-27页 |
| ·神经网络样本点的获取 | 第27-32页 |
| ·Harris 角点检测算法 | 第27-28页 |
| ·二维平板标定法 | 第28-30页 |
| ·空间点的求解过程 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于双向相位的立体匹配 | 第33-45页 |
| ·立体匹配基本理论 | 第33-36页 |
| ·双目立体视觉原理 | 第33-35页 |
| ·立体匹配的研究内容 | 第35页 |
| ·立体匹配的分类 | 第35-36页 |
| ·相位提取和相位展开算法 | 第36-41页 |
| ·条纹图像的相位提取算法 | 第37-38页 |
| ·相位展开算法 | 第38-41页 |
| ·立体匹配算法 | 第41-44页 |
| ·四步相移法 | 第41-42页 |
| ·合成频率的相位展开方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 实验结果及分析 | 第45-55页 |
| ·摄像机标定 | 第45-50页 |
| ·实验装置 | 第45页 |
| ·张正友标定法 | 第45-47页 |
| ·基于神经网络的摄像机标定 | 第47-50页 |
| ·立体匹配实验结果 | 第50-54页 |
| ·立体匹配实验过程 | 第50-51页 |
| ·立体匹配结果分析 | 第51-53页 |
| ·三维重建效果图 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| ·论文总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62-63页 |
| 详细摘要 | 第63-64页 |
