基于逆投影面图像匹配的车辆外廓测量技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.2 车辆外廓测量研究现状 | 第11-12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页 |
| 1.3 研究的难点 | 第12-13页 |
| 1.4 本文的工作内容及安排 | 第13-15页 |
| 第二章 固定场景下的RGBD相机标定研究 | 第15-28页 |
| 2.1 RGBD相机的选择 | 第15-16页 |
| 2.1.1 双目深度相机 | 第15-16页 |
| 2.1.2 结构光深度相机 | 第16页 |
| 2.1.3 TOF深度相机 | 第16页 |
| 2.2 RGBD相机成像模型 | 第16-17页 |
| 2.3 RGBD相机的参数标定 | 第17-23页 |
| 2.3.1 深度相机的标定 | 第18-20页 |
| 2.3.2 彩色相机的标定 | 第20-22页 |
| 2.3.3 双RGBD相机的融合标定 | 第22-23页 |
| 2.4 RGBD相机误差分析 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 车辆侧面检测方法研究 | 第28-40页 |
| 3.1 车辆外廓测量方案 | 第28-29页 |
| 3.2 三维点云平面提取方法研究 | 第29-32页 |
| 3.2.1 基于RANSAC的平面提取 | 第29-30页 |
| 3.2.2 基于点云聚类的平面提取 | 第30-32页 |
| 3.2.3 基于图像分割的平面提取 | 第32页 |
| 3.3 车辆侧面候选平面的生成 | 第32-38页 |
| 3.3.1 基于层次聚类线段提取 | 第32-33页 |
| 3.3.2 基于深度图的三维点云平面拟合 | 第33-38页 |
| 3.3.3 选择检测面 | 第38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于逆投影面的车辆模型的匹配与融合 | 第40-53页 |
| 4.1 车辆侧面逆投影检测面生成 | 第40-42页 |
| 4.2 匹配方法对比分析 | 第42-48页 |
| 4.2.1 基于特征点的匹配算法 | 第43-45页 |
| 4.2.2 基于互信息的匹配算法 | 第45-47页 |
| 4.2.3 基于灰度的匹配算法 | 第47-48页 |
| 4.3 基于逆投影面的车侧图像匹配 | 第48-52页 |
| 4.3.1 结合三维检测平面的背景去除 | 第48-50页 |
| 4.3.2 基于灰度图像的车侧匹配 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 车辆外廓测量 | 第53-62页 |
| 5.1 车辆外廓尺寸测量方案 | 第53-56页 |
| 5.2 车辆外廓测量实验结果与分析 | 第56-60页 |
| 5.2.1 车辆长度统计结果 | 第56-58页 |
| 5.2.2 车辆高度统计结果 | 第58-59页 |
| 5.2.3 车辆宽度统计结果 | 第59-60页 |
| 5.3 本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 攻读学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
