| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 光学三维平面测量概述 | 第12-16页 |
| 1.1.1 三维测量技术 | 第12-13页 |
| 1.1.2 光学非接触式测量方法及其分类 | 第13-16页 |
| 1.2 相关领域研究及本课题意义 | 第16-17页 |
| 1.2.1 摄像机标定 | 第16页 |
| 1.2.2 结构光投影仪标定方法 | 第16-17页 |
| 1.2.3 投影仪标定的必要性及意义 | 第17页 |
| 1.3 本文主要的研究内容 | 第17-20页 |
| 第2章 三维结构光视觉测量模型 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 双目立体视觉原理 | 第20-22页 |
| 2.3 结构光测量综述 | 第22-29页 |
| 2.3.1 结构光模式 | 第23-26页 |
| 2.3.2 结构光三维视觉测量模型 | 第26-27页 |
| 2.3.3 结构光三维视觉测量精度分析 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于OPENCV的摄像机标定 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 摄像机标定方法概述 | 第30-33页 |
| 3.3 本文摄像机标定方法及实现 | 第33-43页 |
| 3.3.1 摄像机标定模型 | 第33-36页 |
| 3.3.2 摄像机标定算法实现 | 第36-43页 |
| 3.3.3 结论 | 第43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 图像特征算法匹配 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 传统特征点检测 | 第45-48页 |
| 4.2.1 Moravec角点检测算法原理 | 第45-47页 |
| 4.2.2 Harris角点检测及其改进 | 第47-48页 |
| 4.3 sift特征检测 | 第48-56页 |
| 4.3.1 尺度空间建立 | 第49-52页 |
| 4.3.2 关键点检测 | 第52-53页 |
| 4.3.3 特征点方向确定以及SIFT特征向量生成 | 第53-54页 |
| 4.3.4 RANSAC优化匹配 | 第54-56页 |
| 4.4 最终匹配完成 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 投影仪标定方法研究 | 第58-67页 |
| 5.1 引言 | 第58页 |
| 5.2 双目视觉传统模型 | 第58-62页 |
| 5.3 图像间基础矩阵计算 | 第62-63页 |
| 5.4 投影仪标定实验及结果 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67页 |
| 6.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |