| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和研究意义 | 第8页 |
| 1.2 国内外现状 | 第8-11页 |
| 1.2.1 相机标定 | 第9页 |
| 1.2.2 特征检测与匹配 | 第9-10页 |
| 1.2.3 三维重建 | 第10-11页 |
| 1.3 论文的主要内容 | 第11页 |
| 1.4 论文的结构安排 | 第11-14页 |
| 2 相机标定 | 第14-26页 |
| 2.1 相机成像模型 | 第14-18页 |
| 2.1.1 针孔相机模型 | 第14页 |
| 2.1.2 相机线性模型 | 第14-17页 |
| 2.1.3 相机非线性模型 | 第17-18页 |
| 2.2 相机标定 | 第18-24页 |
| 2.2.1 基于线性模型的相机标定 | 第19-23页 |
| 2.2.2 基于非线性模型的相机标定 | 第23-24页 |
| 2.3 实验与结果 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 对极几何 | 第26-34页 |
| 3.1 三角化的最优化问题 | 第26-27页 |
| 3.2 本征矩阵和基础矩阵 | 第27-30页 |
| 3.3 归一化八点法 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 特征提取和匹配 | 第34-56页 |
| 4.1 边缘检测算子 | 第34-36页 |
| 4.2 斑点检测算子 | 第36-38页 |
| 4.3 高斯差分算子和SIFT特征 | 第38-45页 |
| 4.3.1 高斯差分算子与金字塔 | 第38-42页 |
| 4.3.2 SIFT特征描述子 | 第42-45页 |
| 4.4 特征匹配 | 第45页 |
| 4.5 RANSAC算法 | 第45-49页 |
| 4.6 包含语义分割的改进RANSAC归一化八点法 | 第49-52页 |
| 4.7 实验与结果 | 第52-54页 |
| 4.8 本章小结 | 第54-56页 |
| 5 稀疏点云重建 | 第56-66页 |
| 5.1 三维重建初始化 | 第56-58页 |
| 5.2 注册新相机和图像 | 第58-59页 |
| 5.3 光束平差法 | 第59-61页 |
| 5.4 实验与结果 | 第61-64页 |
| 5.5 本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |