特征和区域匹配相结合的深度信息获取方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9页 |
| ·国内外现状 | 第9-11页 |
| ·Marr 视觉理论 | 第9-10页 |
| ·深度信息应用的研究现状 | 第10-11页 |
| ·立体匹配的研究现状 | 第11页 |
| ·本文的研究内容 | 第11-12页 |
| ·论文的结构 | 第12-13页 |
| 第2章 深度信息获取方法 | 第13-27页 |
| ·深度信息研究背景 | 第13页 |
| ·深度信息获取技术 | 第13-14页 |
| ·主动技术 | 第13-14页 |
| ·被动获取技术 | 第14页 |
| ·基于双目立体视觉的深度信息获取技术 | 第14-17页 |
| ·平行成像系统 | 第15-16页 |
| ·聚焦成像系统 | 第16-17页 |
| ·两种成像系统的分析 | 第17页 |
| ·立体匹配算法 | 第17-26页 |
| ·立体匹配算法理论 | 第17-18页 |
| ·立体匹配的约束条件 | 第18-19页 |
| ·立体匹配算法的局限性 | 第19页 |
| ·基于区域的匹配算法 | 第19-21页 |
| ·基于特征的匹配算法 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 特征和区域匹配相结合的匹配算法 | 第27-34页 |
| ·算法原理 | 第27-31页 |
| ·算法思路 | 第27页 |
| ·实现过程 | 第27-31页 |
| ·实验环境和素材 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 特征和区域匹配相结合算法的关键问题 | 第34-46页 |
| ·匹配窗口重复优化 | 第34-35页 |
| ·基于视差梯度的搜索范围估计 | 第35-38页 |
| ·视差梯度定义 | 第35-36页 |
| ·视差梯度推导搜索范围 | 第36-38页 |
| ·匹配搜索范围的估算 | 第38页 |
| ·视差梯度在图像分割中的应用 | 第38-41页 |
| ·立体匹配和图像分割 | 第39-40页 |
| ·构造图 | 第40-41页 |
| ·利用视差梯度进行图像分割 | 第41页 |
| ·GPU 技术的应用 | 第41-44页 |
| ·GPU 的并行运算 | 第41-42页 |
| ·CPU 与 GPU 的协同运算 | 第42页 |
| ·GPU 在立体匹配中的应用 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 深度信息提取实验结果分析 | 第46-55页 |
| ·特征和区域相结合的匹配算法实验结果和分析 | 第46-51页 |
| ·CPU 和 GPU 协同机制的实验结果和分析 | 第51-55页 |
| 第6章 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 在校研究成果 | 第61-62页 |
| 致谢 | 第62页 |
