基于深度学习的立体匹配研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-11页 |
| 1.2 立体匹配研究内容及存在的问题 | 第11-13页 |
| 1.3 论文结构与主要工作 | 第13-15页 |
| 第二章 立体匹配系统 | 第15-27页 |
| 2.1 单目摄像机模型 | 第15-18页 |
| 2.2 双目摄像机模型 | 第18-20页 |
| 2.2.1 双摄像机参数标定的基本方法 | 第19页 |
| 2.2.2 双摄像机参数标定的具体步骤 | 第19-20页 |
| 2.3 视差原理 | 第20-21页 |
| 2.4 极线几何与极线校正 | 第21-22页 |
| 2.4.1 极线约束 | 第21-22页 |
| 2.4.2 极线校正 | 第22页 |
| 2.5 立体匹配 | 第22-26页 |
| 2.5.1 立体匹配的一般步骤 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 真实视差图获取 | 第27-35页 |
| 3.1 传感器介绍 | 第27-29页 |
| 3.2 KITTI平台数据集描述 | 第29-30页 |
| 3.3 KITTI平台传感器标定描述 | 第30-32页 |
| 3.4 真实视差图的获取 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 全卷积神经网络 | 第35-47页 |
| 4.1 前向神经网络 | 第35-41页 |
| 4.1.1 激活函数 | 第36-38页 |
| 4.1.2 前向计算 | 第38-39页 |
| 4.1.3 反向传播算法 | 第39-40页 |
| 4.1.4 梯度消失问题 | 第40页 |
| 4.1.5 自编码模型 | 第40-41页 |
| 4.2 卷积神经网络 | 第41-44页 |
| 4.2.1 局部连接 | 第42-43页 |
| 4.2.2 权值共享 | 第43页 |
| 4.2.3 卷积层 | 第43-44页 |
| 4.2.4 池化 | 第44页 |
| 4.3 全卷积神经网络 | 第44-46页 |
| 4.3.1 像素级别的预测 | 第45-46页 |
| 4.3.2 提炼过程 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于全卷积神经网络的立体匹配 | 第47-57页 |
| 5.1 网络结构图 | 第47-48页 |
| 5.2 实验设置 | 第48-50页 |
| 5.3 实验结果分析 | 第50-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文工作总结 | 第57-58页 |
| 6.2 进一步研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
