| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·选题依据 | 第9-10页 |
| ·摄像机标定技术概况 | 第10-14页 |
| ·摄像机标定方法 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·存在的问题及发展趋势 | 第13-14页 |
| ·课题研究意义 | 第14-15页 |
| ·本文研究内容安排 | 第15-16页 |
| 第2章 摄像机自标定的理论基础 | 第16-25页 |
| ·齐次坐标 | 第16-17页 |
| ·摄像机模型 | 第17-20页 |
| ·参考坐标系 | 第17-19页 |
| ·线性摄像机模型(针孔模型) | 第19-20页 |
| ·极几何与基础矩阵 | 第20-23页 |
| ·极几何 | 第20-21页 |
| ·基础矩阵 | 第21-23页 |
| ·单应矩阵 | 第23-24页 |
| ·单应矩阵的定义 | 第23页 |
| ·单应矩阵的表示 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 图像特征点提取、匹配和基础矩阵估计 | 第25-41页 |
| ·图像特征 | 第25-26页 |
| ·特征点的提取 | 第26-31页 |
| ·高斯差分尺度空间 | 第26-27页 |
| ·极值点检测 | 第27-28页 |
| ·特征点确定 | 第28-29页 |
| ·特征点的方向参数 | 第29-30页 |
| ·特征点描述 | 第30-31页 |
| ·特征点的匹配 | 第31-33页 |
| ·误匹配消除 | 第33-35页 |
| ·RANSAC算法的思想 | 第33页 |
| ·RANSAC算法参数的确定 | 第33-34页 |
| ·RANSAC算法的步骤 | 第34-35页 |
| ·基础矩阵的估计 | 第35-40页 |
| ·线性算法 | 第35-36页 |
| ·迭代算法 | 第36-37页 |
| ·鲁棒性算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于混合优化算法的摄像机自标定方法 | 第41-57页 |
| ·Kruppa方程 | 第41-44页 |
| ·绝对二次曲线(面) | 第41-42页 |
| ·Kruppa方程的引入 | 第42-44页 |
| ·摄像机自标定 | 第44-45页 |
| ·Kruppa方程的简化形式 | 第44-45页 |
| ·非线性优化函数 | 第45页 |
| ·摄像机自标定的混合优化算法 | 第45-51页 |
| ·遗传算法的原理及特点 | 第46-48页 |
| ·LM算法的原理及特点 | 第48-49页 |
| ·改进遗传算法与LM算法相混合优化的步骤 | 第49-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·模拟实验 | 第51页 |
| ·真实图像实验 | 第51-53页 |
| ·基于OpenCV与VC++6.0 的摄像机自标定原型系统 | 第53-56页 |
| ·OpenCV与VC++6.0 的结合 | 第53页 |
| ·摄像机自标定原型系统 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |