基于双目视觉的三维位移测量研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 双目视觉测量系统研究现状 | 第9-10页 |
| 1.2.2 课题主要技术研究现状 | 第10-12页 |
| 1.3 本文主要研究工作 | 第12-15页 |
| 第二章 双目视觉测量系统原理 | 第15-28页 |
| 2.1 双目视觉畸变模型 | 第15-20页 |
| 2.1.1 相关坐标系定义 | 第15-17页 |
| 2.1.2 相机成像模型 | 第17-20页 |
| 2.2 相机标定方法 | 第20-23页 |
| 2.3 几何校正 | 第23-26页 |
| 2.4 三维坐标恢复 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 目标跟踪算法及改进 | 第28-49页 |
| 3.1 Kalman滤波跟踪方法 | 第28-33页 |
| 3.1.1 Kalman算法原理 | 第28-32页 |
| 3.1.2 Kalman运动估计 | 第32-33页 |
| 3.2 MeanShift视觉跟踪算法 | 第33-43页 |
| 3.2.1 MeanShift基本理论 | 第34-40页 |
| 3.2.2 MeanShift目标跟踪 | 第40-43页 |
| 3.3 基于梯度下降搜索的预测跟踪算法 | 第43-48页 |
| 3.3.1 本文算法原理 | 第43-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 特征匹配算法及改进 | 第49-68页 |
| 4.1 图像匹配方法概述 | 第49-52页 |
| 4.1.1 图像匹配基础 | 第49-52页 |
| 4.2 基于人工标志物的匹配方法 | 第52-56页 |
| 4.3 无人工标志物特征匹配算法及改进 | 第56-66页 |
| 4.3.1 SIFT算法基本原理 | 第56-62页 |
| 4.3.2 基于邻域熵的稳定特征点筛选算法 | 第62-64页 |
| 4.3.3 简化的快速误匹配剔除算法 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 系统实现及实验结果分析 | 第68-89页 |
| 5.1 系统测试平台搭建及软件设计 | 第69-70页 |
| 5.1.1 系统硬件设备 | 第69-70页 |
| 5.1.2 系统软件设计及实现 | 第70页 |
| 5.2 静态目标的三维坐标重建实验 | 第70-75页 |
| 5.2.1 基于人工标志物的三维坐标重建 | 第71-74页 |
| 5.2.2 基于物体特征的三维坐标重建 | 第74-75页 |
| 5.3 动态目标的三维运动测量实验 | 第75-80页 |
| 5.3.1 基于人工标志物的运动测量 | 第75-77页 |
| 5.3.2 基于物体特征的运动测量 | 第77-79页 |
| 5.3.3 实验结果分析 | 第79-80页 |
| 5.4 改进的目标跟踪算法与匹配算法实验 | 第80-87页 |
| 5.4.1 改进目标跟踪算法实验 | 第80-84页 |
| 5.4.2 改进匹配算法性能测试 | 第84-87页 |
| 5.5 本章小结 | 第87-89页 |
| 结论 | 第89-91页 |
| 参考文献 | 第91-96页 |
| 致谢 | 第96-97页 |
| 个人简历、在学期间的研究结果及发表的学术论文 | 第97页 |
