摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
1 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 匹配算法研究现状 | 第12-13页 |
1.2.2 匹配算法应用现状 | 第13-15页 |
1.2.3 需要解决的关键问题 | 第15页 |
1.3 主要研究内容 | 第15-16页 |
1.4 技术路线 | 第16-17页 |
2 双目视觉理论基础与摄像机标定 | 第17-31页 |
2.1 立体视觉基本原理 | 第17-21页 |
2.1.1 立体成像方式 | 第17-18页 |
2.1.2 双目成像的视差理论 | 第18-19页 |
2.1.3 图像匹配时的基本约束条件 | 第19-21页 |
2.2 图像匹配要素系统 | 第21-22页 |
2.3 图像匹配的基本算法 | 第22-24页 |
2.4 油茶果采摘机器人的双目摄像机标定 | 第24-30页 |
2.4.1 摄像机模型 | 第24-25页 |
2.4.2 基本投影几何 | 第25页 |
2.4.3 三维空间点与投影点像素坐标转换 | 第25-26页 |
2.4.4 油茶果双目摄像机模型参数的标定实验 | 第26-30页 |
2.5 本章小结 | 第30-31页 |
3 油茶果双目图像匹配的预处理 | 第31-44页 |
3.1 油茶果图像的对比度增强 | 第32-34页 |
3.2 油茶果图像的平滑处理技术 | 第34-39页 |
3.2.1 油茶果图像的均值滤波 | 第34-35页 |
3.2.2 油茶果图像的中值滤波 | 第35-36页 |
3.2.3 基于平均闭值处理的油茶果图像小波降噪 | 第36-37页 |
3.2.4 油茶果图像小波降噪法的验证实验 | 第37-39页 |
3.3 油茶果环境图像的边缘提取 | 第39-40页 |
3.4 油茶果环境图像的二值化处理 | 第40-41页 |
3.5 油茶果图像的校正 | 第41-43页 |
3.6 本章小结 | 第43-44页 |
4 油茶果双目图像匹配的改进SIFT算法 | 第44-52页 |
4.1 SIFT算法概述 | 第44-48页 |
4.1.1 尺度空间极值检测 | 第44-45页 |
4.1.2 特征点精确定位 | 第45-46页 |
4.1.3 特征方向确定 | 第46-47页 |
4.1.4 SIFT描述子生成 | 第47-48页 |
4.2 改进基于阈值特征匹配和图像金字塔的SIFT算法 | 第48-51页 |
4.2.1 基于自适应阈值特征匹配的改进 | 第48-50页 |
4.2.2 基于构建图像金字塔的改进 | 第50-51页 |
4.3 本章小结 | 第51-52页 |
5 实验结果与分析 | 第52-63页 |
5.1 实验平台搭建 | 第52-53页 |
5.2 基于改进SIFT算法的性能验证实验 | 第53-56页 |
5.2.1 SIFT的尺度、旋转不变性和抗噪性能验证实验 | 第53-55页 |
5.2.2 改进SIFT算法的实时性能实验 | 第55-56页 |
5.3 SIFT特征点提取与时间消耗的实验结果与分析 | 第56-57页 |
5.4 正确匹配率与算法处理速度的实验结果与分析 | 第57-60页 |
5.5 不同光照下误匹配率的实验结果与分析 | 第60-62页 |
5.6 本章小结 | 第62-63页 |
6 结论与展望 | 第63-65页 |
6.1 主要工作与结论 | 第63页 |
6.2 后续研究工作的建议 | 第63-65页 |
参考文献 | 第65-71页 |
附录A 攻读硕士学位期间的主要学术成果 | 第71-73页 |
致谢 | 第73页 |