| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 三维重建研究现状 | 第11-13页 |
| 1.2.2 立体匹配研究现状 | 第13-15页 |
| 1.3 基于双目视觉大场景三维重建技术的研究难点 | 第15页 |
| 1.4 本文的主要工作及论文结构 | 第15-17页 |
| 第2章 双目视觉大场景三维重建相关技术与理论基础 | 第17-21页 |
| 2.1 摄像机模型 | 第17-18页 |
| 2.1.1 针孔模型 | 第17页 |
| 2.1.2 透镜畸变 | 第17-18页 |
| 2.2 双目视觉三维重建重要理论知识 | 第18-19页 |
| 2.2.1 对极几何 | 第18-19页 |
| 2.2.2 双目视觉三维重建几何原理 | 第19页 |
| 2.3 双目视觉大场景三维重建基本流程 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 立体标定和立体校正 | 第21-28页 |
| 3.1 摄像机标定 | 第21-23页 |
| 3.1.1 平面单应性模型 | 第21-22页 |
| 3.1.2 棋盘标定方法 | 第22-23页 |
| 3.2 立体标定 | 第23-24页 |
| 3.3 立体校正 | 第24-26页 |
| 3.3.1 立体校正的意义 | 第24页 |
| 3.3.2 Bouguet立体校正方法 | 第24-26页 |
| 3.3.3 实验结果展示 | 第26页 |
| 3.4 本章小结 | 第26-28页 |
| 第4章 立体匹配算法的研究及改进 | 第28-44页 |
| 4.1 立体匹配算法基本原理及其重要意义 | 第28页 |
| 4.2 基于最小生成树代价聚合的立体匹配算法（NLCA） | 第28-32页 |
| 4.2.1 初始匹配代价计算 | 第29页 |
| 4.2.2 最小生成树的构建 | 第29-30页 |
| 4.2.3 代价聚合 | 第30-31页 |
| 4.2.4 赢者通吃最优化策略 | 第31页 |
| 4.2.5 视差求精 | 第31-32页 |
| 4.3 NLCA算法存在的问题 | 第32-33页 |
| 4.4 改进的NLCA算法 | 第33-40页 |
| 4.4.1 改进的初始匹配代价计算 | 第34-35页 |
| 4.4.2 新定义的权值函数 | 第35-38页 |
| 4.4.3 视差求精和优化方案 | 第38-39页 |
| 4.4.4 算法复杂度分析 | 第39-40页 |
| 4.5 实验结果对比与分析 | 第40-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 双目视觉大场景三维重建 | 第44-50页 |
| 5.1 实验环境搭建 | 第44-45页 |
| 5.1.1 硬件环境介绍 | 第44页 |
| 5.1.2 主要软件环境介绍 | 第44-45页 |
| 5.2 三维点云重建 | 第45-46页 |
| 5.3 三维重建结果展示 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 不足与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |