首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多视图三维重建特征点检测匹配和点云区域裁剪算法改进

摘要第4-5页
ABSTRACT第5页
1 绪论第9-15页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-12页
        1.2.1 国外研究现状第10-12页
        1.2.2 国内研究现状第12页
    1.3 论文研究内容和结构安排第12-15页
2 PMVS相关技术第15-31页
    2.1 引言第15-16页
    2.2 PMVS算法基本概念第16-18页
        2.2.1 面片模型第16页
        2.2.2 光照一致性函数第16-17页
        2.2.3 面片优化第17-18页
        2.2.4 图像模型第18页
    2.3 经典的特征点提取算法第18-27页
        2.3.1 Harris算法第18-19页
        2.3.2 DOG算法第19-21页
        2.3.3 SIFT算法第21-23页
        2.3.4 ASIFT算法第23-27页
    2.4 特征点匹配算法第27-29页
    2.5 本章小结第29-31页
3 基于BH-ASIFT算法的PMVS三维重建方法第31-47页
    3.1 ASIFT输入图像预处理第31-34页
        3.1.1 Bicubic算法第32-34页
        3.1.2 视图尺度优化第34页
    3.2 HARRIS算法改进的ASIFT第34-37页
        3.2.1 基于多尺度空间的Harris角点检测方法第35页
        3.2.2 Harris角点检测方法的尺度选择第35-36页
        3.2.3 特征点匹配第36-37页
    3.3 点云重建第37-39页
        3.3.1 特征点匹配及面片初始化第37-38页
        3.3.2 面片扩展第38页
        3.3.3 滤波第38-39页
    3.4 实验结果与分析第39-45页
        3.4.1 实验环境设置第39页
        3.4.2 特征点检测与匹配的实验结果与分析第39-45页
    3.5 本章小结第45-47页
4 基于改进三维重建算法的点云区域裁剪第47-55页
    4.1 摄像机坐标正向投影第47-48页
    4.2 ALPHASHAPES点集边缘检测第48-49页
    4.3 点云区域裁剪第49-50页
    4.4 实验结果与分析第50-53页
        4.4.1 实验环境配置第50-51页
        4.4.2 实验结果及分析第51-53页
    4.5 本章小结第53-55页
5 总结与展望第55-57页
    5.1 总结第55页
    5.2 展望第55-57页
参考文献第57-61页
致谢第61-63页
攻读学位期间的科研成果第63-64页

论文共64页,点击 下载论文
上一篇:古建筑照片的前景分割和匹配算法研究
下一篇:基于双目立体视觉的典型堆积体体积测量方法