基于卷积神经网络的立体匹配技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 问题与难点 | 第16-18页 |
| 1.4 本文的主要研究工作及章节安排 | 第18-19页 |
| 1.5 本文使用的符号表 | 第19-20页 |
| 第2章 双目立体视觉及立体匹配的原理 | 第20-32页 |
| 2.1 双目立体视觉原理 | 第20-23页 |
| 2.1.1 视差原理 | 第20-21页 |
| 2.1.2 约束条件 | 第21-22页 |
| 2.1.3 平行光轴视觉模型 | 第22-23页 |
| 2.1.4 双目立体视觉步骤 | 第23页 |
| 2.2 立体匹配 | 第23-27页 |
| 2.2.1 立体匹配算法分类 | 第24页 |
| 2.2.2 立体匹配算法评测平台 | 第24-26页 |
| 2.2.3 立体匹配步骤 | 第26-27页 |
| 2.3 立体匹配相似性测度研究 | 第27-29页 |
| 2.4 立体匹配算法研究 | 第29-31页 |
| 2.4.1 全局匹配算法 | 第29-30页 |
| 2.4.2 局部匹配算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于卷积神经网络的匹配代价算法 | 第32-53页 |
| 3.1 卷积神经网络概述 | 第32-39页 |
| 3.1.1 人工神经网络 | 第32-34页 |
| 3.1.2 深度学习 | 第34-35页 |
| 3.1.3 卷积神经网络 | 第35-39页 |
| 3.2 基于卷积神经网络的匹配代价算法 | 第39-44页 |
| 3.2.1 问题分析 | 第39-40页 |
| 3.2.2 训练数据 | 第40-41页 |
| 3.2.3 网络结构 | 第41-42页 |
| 3.2.4 网络训练过程 | 第42-43页 |
| 3.2.5 网络测试过程 | 第43-44页 |
| 3.3 实验与分析 | 第44-52页 |
| 3.3.1 评价指标 | 第44-45页 |
| 3.3.2 运行环境 | 第45页 |
| 3.3.3 实验结果 | 第45-47页 |
| 3.3.4 光照鲁棒性 | 第47-50页 |
| 3.3.5 卷积层数量对结果的影响 | 第50-51页 |
| 3.3.6 卷积层特征平面数量对结果的影响 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于卷积神经网络的立体匹配算法框架 | 第53-63页 |
| 4.1 匹配代价计算 | 第53页 |
| 4.2 基于十字的代价聚合和半全局匹配算法 | 第53-56页 |
| 4.2.1 基于十字的代价聚合算法 | 第53-55页 |
| 4.2.2 半全局匹配算法 | 第55-56页 |
| 4.3 视差计算 | 第56页 |
| 4.4 后处理 | 第56-58页 |
| 4.4.1 左右一致性检测 | 第56-58页 |
| 4.4.2 亚像素增强和中值滤波 | 第58页 |
| 4.5 实验与分析 | 第58-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63页 |
| 5.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 硕士期间参与的项目与发表和录用的论文 | 第69-70页 |
| 致谢 | 第70页 |
