| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 课题研究现状与发展趋势 | 第10-12页 |
| 1.2.1 基于双目视觉图像重建技术研究现状 | 第10-11页 |
| 1.2.2 基于双目视觉图像重建技术发展趋势 | 第11-12页 |
| 1.3 论文的研究内容和结构安排 | 第12-14页 |
| 第2章 图像重建与双目立体视觉的研究 | 第14-23页 |
| 2.1 图像重建的方法 | 第14-18页 |
| 2.1.1 立体视觉法 | 第14-15页 |
| 2.1.2 色度成形法 | 第15-16页 |
| 2.1.3 立体光学法 | 第16页 |
| 2.1.4 轮廓法 | 第16-18页 |
| 2.2 双目立体视觉研究 | 第18-22页 |
| 2.2.1 摄像机成像的针孔模型 | 第18-19页 |
| 2.2.2 摄像机成像的畸变模型 | 第19-20页 |
| 2.2.3 双目立体视觉的原理 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于入侵性杂草算法的摄像机标定过程 | 第23-40页 |
| 3.1 摄像机成像的模型与过程 | 第23-28页 |
| 3.1.1 图像、相机与世界坐标系 | 第23-25页 |
| 3.1.2 相机线性成像模型 | 第25-27页 |
| 3.1.3 相机非线性成像模型 | 第27-28页 |
| 3.2 常用的摄像机标定算法 | 第28-31页 |
| 3.2.1 传统的摄像机标定方法 | 第28-29页 |
| 3.2.2 摄像机自标定方法 | 第29-30页 |
| 3.2.3 基于主动视觉的相机标定法 | 第30-31页 |
| 3.3 基于入侵性杂草算法的相机标定算法 | 第31-38页 |
| 3.3.1 入侵性杂草优化算法 | 第31-33页 |
| 3.3.2 基于IWO的摄像机标定算法 | 第33-36页 |
| 3.3.3 算法仿真实验和性能分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于改进Sobel算子的双目视觉图像重建 | 第40-66页 |
| 4.1 图像滤波处理 | 第40-45页 |
| 4.1.1 常用滤波算法研究 | 第40-41页 |
| 4.1.2 图像滤波处理对比仿真试验 | 第41-45页 |
| 4.2 图像的边缘检测 | 第45-52页 |
| 4.2.1 Sobel边缘检测算子 | 第46页 |
| 4.2.2 Prewitt边缘检测算子 | 第46-47页 |
| 4.2.3 Canny边缘检测算子 | 第47-48页 |
| 4.2.4 改进的Sobel边缘检测算子 | 第48-49页 |
| 4.2.5 边缘检测算子的仿真实验 | 第49-52页 |
| 4.3 基于改进Sobel算子的图像立体匹配算法研究 | 第52-54页 |
| 4.4 图像重建的仿真结果与分析 | 第54-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |