| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·引言 | 第11-12页 |
| ·课题研究背景及意义 | 第12-14页 |
| ·国内外相关技术研究现状 | 第14-18页 |
| ·国外点特征算法发展与现状 | 第14-17页 |
| ·国内点特征算法发展与现状 | 第17-18页 |
| ·本文研究内容 | 第18页 |
| ·本文的组织结构 | 第18-20页 |
| 第2章 经典算法分析 | 第20-38页 |
| ·SIFT(SCALE INVARIANT FEATURE TRANSFORM)算法 | 第20-27页 |
| ·尺度空间的构建 | 第20-22页 |
| ·特征点定位 | 第22-24页 |
| ·特征点方向分配 | 第24-26页 |
| ·特征向量生成 | 第26-27页 |
| ·特征点匹配 | 第27页 |
| ·SURF(SPEEDED UP ROBUST FEATURE)算法 | 第27-33页 |
| ·DoH的近似 | 第28-29页 |
| ·积分图像 | 第29页 |
| ·尺度空间构建 | 第29-31页 |
| ·特征点定位 | 第31页 |
| ·特征点描述与匹配 | 第31-33页 |
| ·ORB(ORIENTED FAST AND ROTATED BRIEF)算法 | 第33-35页 |
| ·FAST算法 | 第33-34页 |
| ·ORB对BRIEF的改进 | 第34-35页 |
| ·BRISK算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 图像校正与特征点匹配 | 第38-54页 |
| ·图像校正 | 第38-44页 |
| ·全局的伽马校正 | 第38-39页 |
| ·基于LCC的图像校正 | 第39-41页 |
| ·基于SCB的图像校正 | 第41-42页 |
| ·基于图像校正的特征点提取与匹配 | 第42-44页 |
| ·ORSA滤除误匹配 | 第44-47页 |
| ·RANSAC算法 | 第44-46页 |
| ·ORSA对RANSAC的改进 | 第46-47页 |
| ·特征点匹配策略 | 第47-53页 |
| ·K-D树算法 | 第48-50页 |
| ·BBF策略对K-D树的改进 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 实验结果评估与应用 | 第54-71页 |
| ·经典特征点算法的比较 | 第54-66页 |
| ·实验图像数据与软硬件平台 | 第54-59页 |
| ·各算法性能对比 | 第59-65页 |
| ·结果分析 | 第65-66页 |
| ·基于SU-BRISK的立体视觉定位系统 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-79页 |
| 致谢 | 第79页 |
