| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 摄像机自标定的研究现状 | 第10-11页 |
| 1.3 摄像机自标定技术存在的问题与发展趋势 | 第11-12页 |
| 1.4 本课题的研究思路及内容 | 第12-14页 |
| 2 自标定若干技术研究 | 第14-30页 |
| 2.1 双目摄像机自标定原理流程 | 第14-15页 |
| 2.2 双目立体视觉基本架构 | 第15-19页 |
| 2.2.1 平行双目立体视觉基本架构 | 第16-17页 |
| 2.2.2 非平行双目立体视觉基本架构 | 第17-19页 |
| 2.3 图像采集与预处理 | 第19-20页 |
| 2.3.1 图像灰度化 | 第19页 |
| 2.3.2 图像的平滑 | 第19-20页 |
| 2.3.3 图像的锐化 | 第20页 |
| 2.4 摄像机成像原理 | 第20-24页 |
| 2.4.1 图像坐标系、摄像机坐标系和世界坐标系 | 第20-23页 |
| 2.4.2 针孔成像原理 | 第23-24页 |
| 2.5 特征点提取方法 | 第24-25页 |
| 2.6 基础矩阵与本质矩阵求解 | 第25-27页 |
| 2.6.1 基础矩阵 | 第25-26页 |
| 2.6.2 基础矩阵精度评估方法 | 第26-27页 |
| 2.7 摄像机内外参数恢复 | 第27-29页 |
| 2.7.1 基础矩阵求解摄像机内参数 | 第27-28页 |
| 2.7.2 本质矩阵求解摄像机外参数 | 第28-29页 |
| 2.8 本章小结 | 第29-30页 |
| 3 基于基础矩阵的自标定算法及其改进 | 第30-42页 |
| 3.1 基于基础矩阵的自标定算法 | 第30-35页 |
| 3.1.1 经典Harris角点提取 | 第31-32页 |
| 3.1.2 Harris角点匹配 | 第32-33页 |
| 3.1.3 经典八点法求解基础矩阵的原理 | 第33-35页 |
| 3.2 基于基础矩阵的自标定改进算法 | 第35-41页 |
| 3.2.1 均匀Harris角点提取方法 | 第36-37页 |
| 3.2.2 基于尺度不变特征的Harris角点双向匹配 | 第37-40页 |
| 3.2.3 均值8点法求解基础矩阵求解 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 4 实验测试结果及分析 | 第42-57页 |
| 4.1 实验环境组成 | 第42-44页 |
| 4.1.1 硬件环境组成 | 第42页 |
| 4.1.2 软件环境组成 | 第42-44页 |
| 4.2 利用规则图像对进行试验的结果及分析 | 第44-50页 |
| 4.2.1 对规则图像对预处理结果的分析 | 第45-46页 |
| 4.2.2 对规则图像对进行角点提取与匹配的结果及分析 | 第46-47页 |
| 4.2.3 对规则图像对求取基础矩阵精度的结果分析 | 第47-49页 |
| 4.2.4 规则图像对所求取的得外参数结果分析 | 第49-50页 |
| 4.3 非规则图像对实验结果分析 | 第50-56页 |
| 4.3.1 非规则图像对预处理结果分析 | 第51页 |
| 4.3.2 非规则图像对角点提取与匹配结果分析 | 第51-53页 |
| 4.3.3 非规则图像对基础矩阵精度结果分析 | 第53-54页 |
| 4.3.4 非规则图像对所求取的得外参数结果分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录：部分算法源码 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间主要的研究成果 | 第69页 |
