基于双目立体视觉的三维重建技术研究及实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-15页 |
| 1.1.1 计算机视觉技术概述 | 第11-14页 |
| 1.1.2 三维重建技术概述 | 第14-15页 |
| 1.1.3 被动立体视觉概述 | 第15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 立体视觉的研究现状 | 第16-17页 |
| 1.2.2 立体视觉的应用成果 | 第17-18页 |
| 1.2.3 立体视觉面临的问题及发展方向 | 第18-19页 |
| 1.3 本文研究的主要内容及结构安排 | 第19-21页 |
| 第二章 双目立体视觉系统设计及平台搭建 | 第21-32页 |
| 2.1 双目立体视觉的结构模型 | 第21-24页 |
| 2.1.1 平行双目结构模型 | 第21-22页 |
| 2.1.2 非平行双目结构模型 | 第22-24页 |
| 2.2 双目立体视觉的极线几何 | 第24-26页 |
| 2.3 双目立体视觉中的关键技术 | 第26-28页 |
| 2.4 双目立体视觉实验平台搭建 | 第28-31页 |
| 2.4.1 CCD工业摄像机选择 | 第28-29页 |
| 2.4.2 光学镜头的选择 | 第29-30页 |
| 2.4.3 实验平台搭建 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 立体标定原理及实现 | 第32-50页 |
| 3.1 立体视觉坐标系及其变换关系 | 第32-35页 |
| 3.1.1 坐标系简介 | 第32-34页 |
| 3.1.2 坐标系间的转换关系 | 第34-35页 |
| 3.2 摄像机成像模型 | 第35-37页 |
| 3.2.1 摄像机线性模型 | 第35-36页 |
| 3.2.2 摄像机非线性畸变模型 | 第36-37页 |
| 3.3 立体标定方法 | 第37-41页 |
| 3.3.1 常用的标定方法 | 第37-40页 |
| 3.3.2 摄像机标定方法的选择 | 第40-41页 |
| 3.4 基于立体校正的重投影标定算法 | 第41-44页 |
| 3.4.1 双目立体标定原理 | 第41页 |
| 3.4.2 图像极线校正原理 | 第41-43页 |
| 3.4.3 基于立体校正的重投影改进标定算法 | 第43-44页 |
| 3.5 立体标定实验与结果分析 | 第44-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 改进型立体视觉匹配算法实现 | 第50-73页 |
| 4.1 立体视觉匹配框架 | 第50-51页 |
| 4.2 立体视觉匹配约束条件 | 第51-52页 |
| 4.3 立体视觉匹配算法分类 | 第52-57页 |
| 4.3.1 区域匹配算法 | 第53-55页 |
| 4.3.2 特征匹配算法 | 第55页 |
| 4.3.3 相位匹配算法 | 第55-56页 |
| 4.3.4 立体匹配面临的挑战 | 第56-57页 |
| 4.4 基于SURF的改进立体视觉匹配算法 | 第57-64页 |
| 4.4.1 SURF特征点提取算法 | 第57-59页 |
| 4.4.2 基于k-d树的改进匹配算法 | 第59-61页 |
| 4.4.3 实验结果分析与对比 | 第61-64页 |
| 4.5 基于边缘特征和形态学的改进型快速匹配算法 | 第64-72页 |
| 4.5.1 边缘特征提取 | 第65-67页 |
| 4.5.2 数学形态学的膨胀运算 | 第67-69页 |
| 4.5.3 积分图像与平方积分图像 | 第69-71页 |
| 4.5.4 基于NCC的改进区域匹配算法 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 基于双目立体视觉的三维重建实现 | 第73-82页 |
| 5.1 三维重建的原理及分析 | 第73-75页 |
| 5.2 三维重建总体设计 | 第75-79页 |
| 5.3 三维重建实验结果分析与对比 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 结论与展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-90页 |
| 致谢 | 第90-91页 |
| 附件 | 第91页 |
