高性能3D物体识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 背景 | 第8页 |
| 1.2 存在的问题 | 第8-9页 |
| 1.3 本课题主攻方向 | 第9-10页 |
| 第二章 处理算法分析 | 第10-23页 |
| 2.1 并行算法简介 | 第10页 |
| 2.2 图像预处理 | 第10-11页 |
| 2.2.1 图像直方图均衡化 | 第10-11页 |
| 2.2.2 图像去噪 | 第11页 |
| 2.3 摄像机标定 | 第11-15页 |
| 2.3.1 Harris角点检测 | 第11-12页 |
| 2.3.2 摄像机内参确定 | 第12-13页 |
| 2.3.3 摄像机外参确定 | 第13-14页 |
| 2.3.4 摄像机定标中对应点获取 | 第14-15页 |
| 2.4 图像识别 | 第15-23页 |
| 2.4.1 haar小波变换 | 第15-16页 |
| 2.4.2 动态背景检测 | 第16-17页 |
| 2.4.3 多层神经网络 | 第17-19页 |
| 2.4.4 多细节层级识别算法 | 第19-21页 |
| 2.4.5 视差图建立 | 第21页 |
| 2.4.6 系统处理流程 | 第21-23页 |
| 第三章 算法实现 | 第23-40页 |
| 3.1 运行环境及工具 | 第23-24页 |
| 3.2 核心结构及算法 | 第24-26页 |
| 3.2.1 工作树 | 第24-25页 |
| 3.2.2 实现总体构造 | 第25-26页 |
| 3.3 并行算法实现 | 第26-37页 |
| 3.3.1 图像直方图计算 | 第26-28页 |
| 3.3.2 图像去噪 | 第28页 |
| 3.3.3 可分离二维卷积计算 | 第28-29页 |
| 3.3.4 Harris角点检测 | 第29页 |
| 3.3.5 二维可分离haar小波 | 第29页 |
| 3.3.6 动态背景检测 | 第29-31页 |
| 3.3.7 BP神经网络实现 | 第31-33页 |
| 3.3.8 多细节层级识别 | 第33-37页 |
| 3.4 视差图建立 | 第37-38页 |
| 3.5 图像处理流程的配置及处理的调度 | 第38-40页 |
| 第四章 算法仿真 | 第40-44页 |
| 4.1 运行环境 | 第40页 |
| 4.2 运行结果 | 第40-43页 |
| 4.2.1 神经网络训练 | 第40-41页 |
| 4.2.2 相机标定及视差图计算 | 第41-42页 |
| 4.2.3 背景检测及物体识别 | 第42-43页 |
| 4.3 性能分析 | 第43-44页 |
| 结论 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 作者简介 | 第48页 |
