| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 计算机立体视觉理论 | 第9-10页 |
| 1.2.1 计算机视觉技术 | 第9页 |
| 1.2.2 MARR的计算视觉理论框架 | 第9-10页 |
| 1.3 基于双目立体视觉的三维重建 | 第10-12页 |
| 1.3.1 双目立体视觉 | 第10页 |
| 1.3.2 三维重建方法及国内外研究动态 | 第10-11页 |
| 1.3.3 目前在立体视觉研究中存在的问题 | 第11-12页 |
| 1.4 论文的研究内容及组织结构 | 第12-13页 |
| 1.4.1 研究内容 | 第12页 |
| 1.4.2 论文组织结构 | 第12-13页 |
| 第二章 双目立体视觉 | 第13-28页 |
| 2.1 引言 | 第13页 |
| 2.2 线性摄像机模型 | 第13-16页 |
| 2.2.1 图像坐标系、摄像机坐标系与世界坐标系 | 第13-15页 |
| 2.2.2 线性摄像机模型（针孔模型） | 第15-16页 |
| 2.3 非线性摄像机模型 | 第16-17页 |
| 2.4 基于双目视觉的三维点重建基本原理 | 第17-18页 |
| 2.5 摄像机标定 | 第18-24页 |
| 2.5.1 摄像机标定基本方法 | 第18-22页 |
| 2.5.2 立体视觉摄像机标定 | 第22-24页 |
| 2.6 立体视觉的极线约束 | 第24-26页 |
| 2.7 对应基元匹配 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 几种典型特征检测器的对比研究 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 特征检测器 | 第28-31页 |
| 3.2.1 HARRIS角点检测器 | 第28-29页 |
| 3.2.2 SIFT斑块检测器 | 第29页 |
| 3.2.3 SURF斑块检测器 | 第29-30页 |
| 3.2.4 FAST特征检测器 | 第30页 |
| 3.2.5 ORB特征检测器 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-35页 |
| 3.3.1 图片集 | 第31-32页 |
| 3.3.2 特征检测的重复率和匹配对数 | 第32-35页 |
| 3.3.3 检测时间 | 第35页 |
| 3.3.4 分析 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于ORIENTED FAST和MAD的特征匹配图像自动配准 | 第36-40页 |
| 4.1 引言 | 第36页 |
| 4.2 基于ORIENTED FAST和MAD的图像配准 | 第36-38页 |
| 4.2.1 ORIENTED FAST特征检测 | 第37页 |
| 4.2.2 平均绝对差值模板匹配 | 第37-38页 |
| 4.2.3 利用交叉过滤和重投影消除误匹配点 | 第38页 |
| 4.3 实验结果与分析 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于半全局匹配和互信息的立体匹配算法的应用研究 | 第40-57页 |
| 5.1 引言 | 第40-41页 |
| 5.2 半全局匹配 | 第41-52页 |
| 5.2.1 像素级匹配成本计算 | 第41-44页 |
| 5.2.2 成本聚合 | 第44-46页 |
| 5.2.3 多基线匹配 | 第46-47页 |
| 5.2.4 视差计算 | 第47-48页 |
| 5.2.5 视差细化 | 第48-51页 |
| 5.2.6 视差图像融合 | 第51-52页 |
| 5.3 实验结果 | 第52-55页 |
| 5.3.1 双目摄像机标定 | 第52-54页 |
| 5.3.2 室内场景的三维重建实验 | 第54-55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 论文总结 | 第57页 |
| 6.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 发表论文及科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
