基于立体视觉的树木三维重建关键技术的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第8-15页 |
| 1.1 基于立体视觉的三维重建 | 第8-12页 |
| 1.1.1 计算机立体视觉简介 | 第8-9页 |
| 1.1.2 立体视觉研究现状 | 第9-11页 |
| 1.1.3 发展趋势 | 第11-12页 |
| 1.2 本文研究的选题依据、研究思路和主要内容 | 第12-15页 |
| 1.2.1 选题依据 | 第12页 |
| 1.2.2 研究思路 | 第12-14页 |
| 1.2.3 主要内容 | 第14-15页 |
| 2 图像预处理 | 第15-20页 |
| 2.1 图像灰度化处理 | 第15-16页 |
| 2.2 图像增强处理 | 第16-19页 |
| 2.2.1 直方图修正 | 第16-17页 |
| 2.2.2 平滑滤波 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 角点检测方法的研究 | 第20-24页 |
| 3.1 全局角点检测算法 | 第20-21页 |
| 3.2 局部角点检测算法的研究 | 第21-22页 |
| 3.3 角点检测实例分析 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 4 摄像机标定 | 第24-35页 |
| 4.1 常用坐标系及其关系 | 第24-26页 |
| 4.1.1 图像像素坐标系 | 第24页 |
| 4.1.2 图像物理坐标系 | 第24-25页 |
| 4.1.3 摄像机坐标系 | 第25-26页 |
| 4.1.4 世界坐标系 | 第26页 |
| 4.2 摄像机成像模型 | 第26-28页 |
| 4.2.1 摄像机线性成像模型 | 第26-28页 |
| 4.2.2 摄像机非线性成像模型 | 第28页 |
| 4.3 摄像机标定方法 | 第28-31页 |
| 4.3.1 传统的摄像机标定法 | 第28-29页 |
| 4.3.2 摄像机的自标定法 | 第29-30页 |
| 4.3.3 本文所用标定方法 | 第30-31页 |
| 4.4 标定实验及结果分析 | 第31-34页 |
| 4.4.1 摄像机标定实验 | 第31-32页 |
| 4.4.2 实验结果及分析 | 第32-34页 |
| 4.5 本章小结 | 第34-35页 |
| 5 立体匹配 | 第35-50页 |
| 5.1 立体匹配基础研究 | 第35-42页 |
| 5.1.1 匹配约束原则 | 第35-36页 |
| 5.1.2 极线约束原则简述 | 第36-38页 |
| 5.1.3 仿射变换约束 | 第38-40页 |
| 5.1.4 双极线约束 | 第40-42页 |
| 5.2 立体匹配算法的分类 | 第42-44页 |
| 5.2.1 区域匹配算法 | 第42-43页 |
| 5.2.2 特征匹配算法 | 第43-44页 |
| 5.2.3 相位匹配算法 | 第44页 |
| 5.3 改进的特征匹配算法 | 第44-45页 |
| 5.3.1 初始匹配 | 第45页 |
| 5.3.2 特征匹配 | 第45页 |
| 5.4 立体匹配实验及结果分析 | 第45-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6 三维点重建 | 第50-58页 |
| 6.1 三维点重建方法 | 第50-56页 |
| 6.1.1 线性最小二乘法 | 第51-52页 |
| 6.1.2 异面直线公垂线中点算法 | 第52-56页 |
| 6.2 三维点重建实验 | 第56-57页 |
| 6.3 本章小结 | 第57-58页 |
| 7 总结与展望 | 第58-60页 |
| 7.1 论文工作总结 | 第58-59页 |
| 7.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 个人简介 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 获得成果目录清单 | 第64-65页 |
| 致谢 | 第65页 |
