基于稳定树的双目匹配视差优化算法
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 局部算法与全局算法 | 第15-18页 |
| 1.3 研究动机 | 第18-19页 |
| 1.4 本文创新点 | 第19-20页 |
| 1.5 本文组织结构 | 第20-22页 |
| 第二章 相关工作 | 第22-29页 |
| 2.1 相关视差优化算法 | 第22-25页 |
| 2.1.1 选择类算法 | 第22-23页 |
| 2.1.2 滤波类算法 | 第23-24页 |
| 2.1.3 树结构算法 | 第24-25页 |
| 2.2 遗留问题 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于稳定度的树 | 第29-38页 |
| 3.1 基于稳定度的树结构 | 第29-30页 |
| 3.2 构造树 | 第30-32页 |
| 3.3 检测和重构不稳定树 | 第32-37页 |
| 3.3.1 评估树的稳定度 | 第32-33页 |
| 3.3.2 重构不稳定树 | 第33-36页 |
| 3.3.3 连接树 | 第36页 |
| 3.3.4 迭代循环 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于稳定树的视差优化 | 第38-48页 |
| 4.1 本文算法概述 | 第38页 |
| 4.2 代价再聚合 | 第38-41页 |
| 4.3 在道路场景中的应用 | 第41-46页 |
| 4.3.1 真实道路图片集的匹配问题 | 第41-43页 |
| 4.3.2 针对真实道路场景的提升 | 第43页 |
| 4.3.3 色彩空间的转换 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 实验与分析 | 第48-59页 |
| 5.1 Middlebury数据集实验 | 第48-54页 |
| 5.1.1 Middlebury数据集 | 第48-50页 |
| 5.1.2 时间复杂度分析 | 第50页 |
| 5.1.3 视差结果分析 | 第50-54页 |
| 5.2 KITTI数据集实验. | 第54-58页 |
| 5.2.1 KITTI数据集 | 第54页 |
| 5.2.2 视差结果分析 | 第54-58页 |
| 5.3 不足与缺陷 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文 | 第66-67页 |
| 攻读学位期间参与的项目 | 第67页 |
