| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题的背景及意义 | 第12-13页 |
| 1.2 全景图研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本章小节 | 第16-17页 |
| 第2章 单目变焦立体视觉系统的标定与校正 | 第17-31页 |
| 2.1 摄像机成像的几何模型 | 第17-22页 |
| 2.1.1 线性相机模型 | 第17-20页 |
| 2.1.2 非线性相机模型 | 第20-22页 |
| 2.2 摄像机标定方法 | 第22-26页 |
| 2.2.1 基于DLT摄像机标定方法 | 第22-23页 |
| 2.2.2 基于2D平面模板摄像机标定方法 | 第23-26页 |
| 2.3 单目变焦立体视觉系统 | 第26-30页 |
| 2.3.1 单目变焦立体视觉平台 | 第27-28页 |
| 2.3.2 Matlab标定箱简介 | 第28-30页 |
| 2.4 本章小节 | 第30-31页 |
| 第3章 双焦单目图像的稠密匹配 | 第31-47页 |
| 3.1 基于灰度特征点提取算法 | 第31-34页 |
| 3.1.1 Harris算法 | 第32-34页 |
| 3.2 SIFT算法 | 第34-38页 |
| 3.2.1 尺度空间的构建和极值的求取 | 第34-36页 |
| 3.2.2 去除边缘响应极值点 | 第36-37页 |
| 3.2.3 确定关键点的方向和生成描述子的特征向量 | 第37-38页 |
| 3.3 双焦单目图像的SIFT特征匹配 | 第38-41页 |
| 3.3.1 基于SIFT特征属性去除误匹配 | 第38-39页 |
| 3.3.2 基于极线距离去除误匹配 | 第39-41页 |
| 3.4 双焦单目图像的稠密匹配算法 | 第41-44页 |
| 3.4.1 区域立体匹配算法 | 第41-43页 |
| 3.4.2 区域生长稠密匹配算法原理 | 第43-44页 |
| 3.5 物点三维坐标的计算 | 第44-46页 |
| 3.5.1 基于厚透镜的深度恢复 | 第44-45页 |
| 3.5.2 三维点的计算 | 第45-46页 |
| 3.6 本章小节 | 第46-47页 |
| 第4章 点云拼接 | 第47-54页 |
| 4.1 点云数据预处理 | 第47-48页 |
| 4.1.1 点云精简技术的概述 | 第47-48页 |
| 4.1.2 点云数据精简算法的评估标准 | 第48页 |
| 4.2 点云特征的提取 | 第48-49页 |
| 4.3 点云拼接 | 第49-52页 |
| 4.3.1 ICP算法原理 | 第49-50页 |
| 4.3.2 点云拼接原理 | 第50-52页 |
| 4.4 基于单目视觉获取点云数据的拼接算法 | 第52-53页 |
| 4.5 基于双目视觉获取点云数据的拼接算法 | 第53页 |
| 4.6 本章小节 | 第53-54页 |
| 第5章 3D全景图的实验结果与分析 | 第54-74页 |
| 5.1 变焦立体视觉系统标定的实验结果与分析 | 第54-56页 |
| 5.1.1 双焦距的标定 | 第54页 |
| 5.1.2 主点的标定 | 第54-55页 |
| 5.1.3 畸变系数的标定 | 第55-56页 |
| 5.2 双焦单目图像稠密匹配的实验结果与分析 | 第56-64页 |
| 5.2.1 基于SIFT算法的稀疏匹配 | 第56-64页 |
| 5.3 稠密匹配 | 第64-65页 |
| 5.4 基于双目图像稠密匹配的实验结果与分析 | 第65-68页 |
| 5.5 点云拼接实验结果与分析 | 第68-70页 |
| 5.6 实验举例 | 第70-73页 |
| 5.6.1 稀疏匹配结果图 | 第70-72页 |
| 5.6.2 稠密匹配结果图 | 第72页 |
| 5.6.3 点云拼接实验结果 | 第72-73页 |
| 5.7 本章小节 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表论文及科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |