基于双目立体视觉的图像三维重建
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-14页 |
| 1.1 课题背景与意义 | 第9页 |
| 1.2 计算机视觉概论 | 第9-11页 |
| 1.3 在国内外的应用 | 第11-12页 |
| 1.4 本论文主要内容和章节安排 | 第12-14页 |
| 2.双目立体视觉原理与摄像机标定 | 第14-30页 |
| 2.1 坐标系 | 第14-16页 |
| 2.1.1 计算机坐标系 | 第14页 |
| 2.1.2 图像坐标系 | 第14-15页 |
| 2.1.3 摄像机坐标系 | 第15页 |
| 2.1.4 世界坐标系 | 第15-16页 |
| 2.2 摄像机成像模型 | 第16-18页 |
| 2.2.1 线性模型 | 第16-17页 |
| 2.2.2 非线性模型 | 第17-18页 |
| 2.3 双目立体视觉成像模型 | 第18-21页 |
| 2.3.1 双目横向模型 | 第18-20页 |
| 2.3.2 双目轴向模型 | 第20-21页 |
| 2.4 摄像机的标定方法 | 第21-24页 |
| 2.4.1 自标定方法 | 第21页 |
| 2.4.2 DLT方法 | 第21-22页 |
| 2.4.3 张正友标定法 | 第22-24页 |
| 2.5 标定实验结果 | 第24-29页 |
| 2.6 本章总结 | 第29-30页 |
| 3.图像立体匹配 | 第30-53页 |
| 3.1 匹配算法的分类 | 第30-31页 |
| 3.1.1 稠密匹配 | 第30页 |
| 3.1.2 稀疏匹配 | 第30-31页 |
| 3.1.3 相位匹配 | 第31页 |
| 3.2 相似度测量函数和匹配约束条件 | 第31-35页 |
| 3.3 区域匹配算法对比实验 | 第35-37页 |
| 3.4 积分图像与卷积 | 第37-39页 |
| 3.5 改进的NCC算法 | 第39-42页 |
| 3.6 SURF算法 | 第42-50页 |
| 3.6.1 SIFT算法 | 第42-46页 |
| 3.6.2 SIFT算法的改进算法SURF算法 | 第46-49页 |
| 3.6.3 算法实现实验结果 | 第49-50页 |
| 3.7 RANSAC算法 | 第50-51页 |
| 3.8 本章总结 | 第51-53页 |
| 4.图像三维重建 | 第53-58页 |
| 4.1 图像三维重建概述 | 第53页 |
| 4.2 图像三维重建实验结果 | 第53-58页 |
| 5.结论与展望 | 第58-59页 |
| 5.1 结论 | 第58页 |
| 5.2 后续展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65-66页 |
