| 目录 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题的研究背景和意义 | 第11-12页 |
| ·立体视觉发展 | 第12-14页 |
| ·双目立体视觉基础 | 第14-16页 |
| ·双目立体视觉的研究内容 | 第14-15页 |
| ·双目立体视觉的基本原理 | 第15-16页 |
| ·本文的研究内容及结构安排 | 第16-18页 |
| 第2章 图像角点特征提取 | 第18-28页 |
| ·角点检测概述 | 第18-19页 |
| ·Harris角点检测算法 | 第19-22页 |
| ·Harris角点检测基本算法 | 第19-21页 |
| ·Harris算法的改进 | 第21-22页 |
| ·SUSAN角点检测算法 | 第22-26页 |
| ·SUSAN角点检测算法的基本原理 | 第22-23页 |
| ·SUSAN角点检测算法的实现和具体步骤 | 第23-25页 |
| ·SUSAN角点检测的特点 | 第25-26页 |
| ·角点检测实验及分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 摄像机标定 | 第28-45页 |
| ·概述 | 第28页 |
| ·摄像机标定方法的分类 | 第28-29页 |
| ·摄像机成像模型 | 第29-33页 |
| ·标定中常见坐标系 | 第29-31页 |
| ·各坐标系之间的转换关系 | 第31-32页 |
| ·摄像机畸变模型 | 第32-33页 |
| ·Zhang的摄像机平面标定法 | 第33-37页 |
| ·单应性矩阵的计算 | 第33-34页 |
| ·参数求解 | 第34-36页 |
| ·极大似然估计 | 第36页 |
| ·径向畸变的处理 | 第36-37页 |
| ·Tsai的两步法 | 第37-40页 |
| ·内参数预标定 | 第37-38页 |
| ·两步法标定过程 | 第38-40页 |
| ·实验步骤和实验结果 | 第40-43页 |
| ·实验步骤 | 第40-41页 |
| ·实验结果及分析 | 第41-43页 |
| ·两种标定方法的分析 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第4章 深度图的获取——立体匹配 | 第45-57页 |
| ·立体匹配算法概述 | 第45-46页 |
| ·区域相关立体匹配算法 | 第46-50页 |
| ·基本区域相关匹配算法 | 第46-47页 |
| ·区域相关匹配算法的一些改进 | 第47-50页 |
| ·基于动态规划的全局最优搜索策略 | 第50-53页 |
| ·动态规划简介 | 第50页 |
| ·视差空间图的定义 | 第50-51页 |
| ·引入动态规划的区域相关匹配 | 第51-53页 |
| ·实验及分析 | 第53-56页 |
| ·区域相关匹配算法窗口大小选择对结果的影响 | 第53-54页 |
| ·引入动态规划的匹配算法实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 双目立体视觉在目标跟踪中的应用 | 第57-66页 |
| ·概述 | 第57-58页 |
| ·基于奇异值特征和Hausdorff距离的单目目标跟踪算法 | 第58-61页 |
| ·图像的奇异值特征 | 第59页 |
| ·Hausdorff距离 | 第59-60页 |
| ·SVD模板匹配算法 | 第60页 |
| ·基于奇异值特征和Hausdorff距离的单目目标跟踪算法 | 第60-61页 |
| ·立体视觉的在目标跟踪算法中的应用 | 第61-62页 |
| ·基于立体视觉的跟踪算法的功能 | 第61页 |
| ·基于立体视觉的目标跟踪算法 | 第61-62页 |
| ·实验及分析 | 第62-65页 |
| ·本章小节 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·进一步的研究工作 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表论文目录 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |