基于多摄像机系统的全景三维重建
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 全景三维重建概述 | 第11-14页 |
| 1.1.1 全景视觉简介 | 第12-13页 |
| 1.1.2 全景三维重建的意义 | 第13-14页 |
| 1.1.3 全景三维重建的难点 | 第14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 全景图像特征点提取与匹配 | 第15-16页 |
| 1.2.2 全景三维结构恢复 | 第16-17页 |
| 1.3 本文研究内容及组织结构 | 第17-19页 |
| 1.3.1 研究内容及贡献 | 第17-18页 |
| 1.3.2 本文组织结构 | 第18-19页 |
| 第2章 球形摄像机模型构建原理与方法 | 第19-33页 |
| 2.1 全景图像的获取 | 第19-21页 |
| 2.1.1 全景图像的采集设备 | 第19-20页 |
| 2.1.2 全景图像的生成方法 | 第20-21页 |
| 2.2 球形摄像机模型的定义 | 第21-26页 |
| 2.2.1 一般摄像机模型 | 第21-23页 |
| 2.2.2 理想球形摄像机模型 | 第23-26页 |
| 2.3 从多摄像机系统中构建球形摄像机模型 | 第26-27页 |
| 2.3.1 构建球形摄像机模型 | 第26-27页 |
| 2.3.2 多摄像机系统的标定 | 第27页 |
| 2.4 球形全景图像的表达和存储 | 第27-28页 |
| 2.5 实验结果与分析 | 第28-32页 |
| 2.5.1 摄像机标定 | 第29-30页 |
| 2.5.2 球形全景图的表达 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 球形全景图像的特征点提取与匹配算法 | 第33-51页 |
| 3.1 SIFT算法 | 第33-37页 |
| 3.1.1 SIFT算法的优势 | 第33-34页 |
| 3.1.2 SIFT算法原理 | 第34-37页 |
| 3.2 球面SIFT算法 | 第37-45页 |
| 3.2.1 理论背景 | 第37-40页 |
| 3.2.2 算法整体流程 | 第40页 |
| 3.2.3 球面DoG尺度空间的建立 | 第40-42页 |
| 3.2.4 极值点检测及选取 | 第42-43页 |
| 3.2.5 球面SIFT描述子的生成 | 第43-45页 |
| 3.3 实验结果与分析 | 第45-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 球形摄像机模型下的多视图几何理论 | 第51-69页 |
| 4.1 针孔摄像机模型下的多视图几何 | 第51-55页 |
| 4.1.1 两视图几何 | 第51-52页 |
| 4.1.2 三视图几何 | 第52-54页 |
| 4.1.3 结构计算 | 第54-55页 |
| 4.2 球形摄像机模型下的多视图几何 | 第55-63页 |
| 4.2.1 球形摄像机模型下的两视图几何 | 第55-57页 |
| 4.2.2 球形摄像机模型下的三视图几何 | 第57-61页 |
| 4.2.3 球面本质矩阵的计算 | 第61-63页 |
| 4.3 球形摄像机模型下的结构计算 | 第63-66页 |
| 4.3.1 问题描述 | 第63-64页 |
| 4.3.2 球形摄像机模型下重投影误差 | 第64-66页 |
| 4.3.3 球形摄像机模型下的线性三角形法 | 第66页 |
| 4.4 实验结果与分析 | 第66-68页 |
| 4.4.1 球面对极误差的选取 | 第67页 |
| 4.4.2 球面重投影误差的选取 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 基于球形摄像机模型的全景三维结构恢复算法 | 第69-81页 |
| 5.1 基于球形摄像机模型的优化算法 | 第69-72页 |
| 5.1.1 RANSAC算法 | 第69-70页 |
| 5.1.2 球形摄像机的捆集调整 | 第70-72页 |
| 5.2 全景三维结构恢复算法设计 | 第72-75页 |
| 5.2.1 整体流程图 | 第72-73页 |
| 5.2.2 算法详细设计 | 第73-75页 |
| 5.3 实验结果与分析 | 第75-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81页 |
| 6.2 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 攻读硕士期间发表的论文 | 第91页 |
