基于嵌入式GPU的立体匹配算法的实现研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 立体匹配算法概述 | 第12-16页 |
| 1.2.1 立体匹配面临的难点 | 第13-15页 |
| 1.2.2 立体匹配中的约束 | 第15-16页 |
| 1.3 研究现状 | 第16-18页 |
| 1.3.1 局部立体匹配算法 | 第16-17页 |
| 1.3.2 全局立体匹配算法 | 第17-18页 |
| 1.4 立体匹配算法的并行化平台 | 第18-19页 |
| 1.5 通用 GPU 计算和 CUDA | 第19-21页 |
| 1.5.1 CUDA编程模型 | 第20-21页 |
| 1.6 论文的组织结构 | 第21-24页 |
| 第二章 双目测距原理和摄像机标定 | 第24-36页 |
| 2.1 摄像机的透射成像模型 | 第24-26页 |
| 2.1.1 透射成像中坐标系的变化 | 第24-25页 |
| 2.1.2 相机的非线性模型 | 第25-26页 |
| 2.2 双目测量模型 | 第26-28页 |
| 2.3 张正友相机标定算法 | 第28-29页 |
| 2.4 标定和矫正 | 第29-33页 |
| 2.4.1 双目相机的标定 | 第29-32页 |
| 2.4.2 畸变矫正和极线校正 | 第32-33页 |
| 2.5 图像预处理及CUDA实现 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于滤波的代价聚合方法 | 第36-50页 |
| 3.1 匹配代价函数 | 第36-37页 |
| 3.2 自适应支持权重匹配 | 第37-41页 |
| 3.3 引导滤波 | 第41-43页 |
| 3.3.1 引导滤波匹配方法 | 第42-43页 |
| 3.4 后处理 | 第43-45页 |
| 3.4.1 左右视差一致性检测 | 第43-44页 |
| 3.4.2 二次曲线插值视差优化 | 第44-45页 |
| 3.4.3 空洞填充 | 第45页 |
| 3.4.4 加权中值滤波 | 第45页 |
| 3.5 引导滤波匹配方法的并行化实现 | 第45-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 改进的半全局立体匹配算法 | 第50-60页 |
| 4.1 匹配代价计算 | 第50-54页 |
| 4.1.1 互信息 | 第51-52页 |
| 4.1.2 改进的 AD-Census | 第52-54页 |
| 4.2 扫描线优化的代价聚合 | 第54-55页 |
| 4.3 多尺度代价聚合模型 | 第55-57页 |
| 4.4 本章小结 | 第57-60页 |
| 第五章 实验与分析 | 第60-70页 |
| 5.1 实验环境介绍 | 第60-61页 |
| 5.2 立体匹配的评价标准 | 第61-62页 |
| 5.3 立体匹配实验 | 第62-70页 |
| 5.3.1 基于滤波的方法 | 第62-67页 |
| 5.3.2 基于半全局的立体匹配方法 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 论文内容总结 | 第70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第76页 |
