| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 第二章 环境重建基础理论 | 第15-27页 |
| 2.1 坐标系的介绍及转换 | 第15-17页 |
| 2.1.1 图像坐标系 | 第15-16页 |
| 2.1.2 相机坐标系 | 第16页 |
| 2.1.3 世界坐标系 | 第16-17页 |
| 2.2 相机模型 | 第17-20页 |
| 2.2.1 小孔模型 | 第17-19页 |
| 2.2.2 内参矩阵 | 第19-20页 |
| 2.2.3 外参矩阵 | 第20页 |
| 2.3 对极几何约束、基本矩阵求解 | 第20-24页 |
| 2.3.1 对极几何概念 | 第20-21页 |
| 2.3.2 基本矩阵 | 第21-22页 |
| 2.3.3 求解基本矩阵 | 第22-23页 |
| 2.3.4 求解外参数 | 第23-24页 |
| 2.4 摄像机标定 | 第24页 |
| 2.5 传统相机标定验证 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 图像预处理与特征提取 | 第27-45页 |
| 3.1 图像采集 | 第27页 |
| 3.2 图像颜色模型 | 第27-28页 |
| 3.3 图像预处理 | 第28-34页 |
| 3.3.1 灰度化与叠加噪声 | 第28-30页 |
| 3.3.2 图像平滑 | 第30-31页 |
| 3.3.3 图像锐化 | 第31页 |
| 3.3.4 直方图均衡化 | 第31-32页 |
| 3.3.5 图像边缘检测 | 第32-34页 |
| 3.4 图像特征提取 | 第34页 |
| 3.5 SIFT算法 | 第34-42页 |
| 3.5.1 尺度空间极值检测 | 第35-37页 |
| 3.5.2 关键点定位 | 第37-39页 |
| 3.5.3 方向确定 | 第39-40页 |
| 3.5.4 关键点描述 | 第40-42页 |
| 3.6 实验结果 | 第42-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 环境稀疏重建 | 第45-54页 |
| 4.1 SFM算法介绍和步骤 | 第45-47页 |
| 4.1.1 特征检测与匹配 | 第45-46页 |
| 4.1.2 Structurefrommotion | 第46-47页 |
| 4.2 光束平差法 | 第47-50页 |
| 4.2.1 光束平差法介绍 | 第47-48页 |
| 4.2.2 一阶方法——梯度下降法 | 第48页 |
| 4.2.3 二阶方法——牛顿法 | 第48页 |
| 4.2.4 拟牛顿法——高斯牛顿法 | 第48-49页 |
| 4.2.5 Levenberg-Marquardt方法 | 第49-50页 |
| 4.3 实验结果 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 环境稠密重建 | 第54-61页 |
| 5.1 散列图像聚簇(CMVS) | 第54-56页 |
| 5.1.1 聚簇约束条件 | 第54页 |
| 5.1.2 聚簇算法步骤 | 第54-56页 |
| 5.2 基于贴片模型的密集匹配 | 第56-59页 |
| 5.2.1 基本概念 | 第56-57页 |
| 5.2.2 贴片算法实现 | 第57-59页 |
| 5.3 实验结果 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |