基于计算机立体视觉的三维重建
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 引言 | 第8页 |
| 1.2 Mart的计算机视觉理论框架 | 第8-10页 |
| 1.3 基于立体视觉的三维重建 | 第10-12页 |
| 1.3.1 国内外立体视觉研究现状 | 第10-12页 |
| 1.3.2 三维重建在应用中存在的问题 | 第12页 |
| 1.4 本文研究的选题依据、研究思路和主要内容 | 第12-15页 |
| 1.4.1 选题依据 | 第12-13页 |
| 1.4.2 研究思路 | 第13页 |
| 1.4.3 主要内容 | 第13-15页 |
| 第二章 摄像机模型和基础矩阵 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 图像坐标系、摄像机坐标系与世界坐标系 | 第15-17页 |
| 2.3 线性摄像机模型(针孔模型) | 第17-18页 |
| 2.4 对极几何和基础矩阵 | 第18-19页 |
| 2.4.1 对极几何 | 第18页 |
| 2.4.2 基础矩阵 | 第18-19页 |
| 2.5 基础矩阵求解 | 第19-25页 |
| 2.5.1 八点法 | 第19-20页 |
| 2.5.2 Hartley的改进的八点法 | 第20-21页 |
| 2.5.3 基于遗传算法的基础矩阵估计 | 第21-25页 |
| 第三章 图像匹配 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 匹配策略的选取 | 第25页 |
| 3.3 提取特征点 | 第25-26页 |
| 3.4 特征点的匹配 | 第26-33页 |
| 3.4.1 初始匹配(相关匹配) | 第26-28页 |
| 3.4.2 松驰迭代法 | 第28-30页 |
| 3.4.3 最小平方中值法 | 第30-33页 |
| 3.5 实验结果 | 第33-35页 |
| 第四章 摄像机标定 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 传统的摄像机标定方法 | 第35-39页 |
| 4.2.1 利用最优化算法的摄像机标定方法 | 第35-36页 |
| 4.2.2 利用透视变换矩阵的摄像机标定方法 | 第36-37页 |
| 4.2.3 Tsai的两步法 | 第37-38页 |
| 4.2.4 双平面法 | 第38-39页 |
| 4.3 张氏标定法 | 第39-42页 |
| 4.4 自标定方法 | 第42-46页 |
| 第五章 三维重建 | 第46-51页 |
| 5.1 引言 | 第46页 |
| 5.2 三维重建基本原理 | 第46页 |
| 5.3 SFM重建算法 | 第46-49页 |
| 5.3.1 计算本质矩阵 | 第47页 |
| 5.3.2 求解摄像机外参数R、t的候选 | 第47页 |
| 5.3.3 判断R、t的符号 | 第47-48页 |
| 5.3.4 计算匹配点的三维坐标值 | 第48-49页 |
| 5.4 三维点的空间三角化 | 第49-50页 |
| 5.5 纹理粘贴 | 第50-51页 |
| 第六章 系统实现 | 第51-60页 |
| 6.1 引言 | 第51-52页 |
| 6.2 各阶段界面 | 第52-60页 |
| 第七章 总结和展望 | 第60-62页 |
| 7.1 总结 | 第60页 |
| 7.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者在学习期间已发表的论文: | 第68页 |
