基于单目图像序列的场景稠密三维重建技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 三维重建技术 | 第10-11页 |
| 1.1.2 基于图像的三维重建方法分类 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.3 存在的问题 | 第15-16页 |
| 1.4 论文主要研究内容与结构安排 | 第16-17页 |
| 1.4.1 主要研究内容 | 第16页 |
| 1.4.2 论文结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 基于运动法的摄像机位姿跟踪 | 第18-30页 |
| 2.1 摄像机几何与成像原理 | 第18-20页 |
| 2.1.1 视觉系统坐标系 | 第18-19页 |
| 2.1.2 摄像机模型 | 第19-20页 |
| 2.2 摄像机内参数计算 | 第20-21页 |
| 2.3 特征检测、匹配 | 第21-24页 |
| 2.3.1 SIFT特征提取 | 第21-23页 |
| 2.3.2 SIFT特征匹配 | 第23-24页 |
| 2.4 两视图位姿估计 | 第24-27页 |
| 2.4.1 本质矩阵 | 第24-26页 |
| 2.4.2 两视图位姿求解方法 | 第26-27页 |
| 2.5 多视图位姿跟踪 | 第27-29页 |
| 2.5.1 多视图位姿跟踪算法 | 第27-28页 |
| 2.5.2 多视图位姿跟踪实验结果 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于光流反馈的单目视觉三维重建 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 系统总体框架 | 第30-32页 |
| 3.3 稀疏三维重建 | 第32-35页 |
| 3.3.1 图像采集 | 第32页 |
| 3.3.2 相机位姿估计 | 第32-33页 |
| 3.3.3 特征匹配 | 第33-34页 |
| 3.3.4 稀疏点云重建 | 第34-35页 |
| 3.4 曲面重建 | 第35-39页 |
| 3.4.1 隐式曲面拟合 | 第35-38页 |
| 3.4.2 隐式曲面多边形化 | 第38-39页 |
| 3.5 重建优化 | 第39-42页 |
| 3.5.1 光流-场景流关系 | 第39-40页 |
| 3.5.2 网格调整 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 基于CUDA的重建算法并行加速 | 第44-54页 |
| 4.1 异构并行技术 | 第44-46页 |
| 4.1.1 异构并行技术的迫切需求 | 第44-45页 |
| 4.1.2 异构并行方案选择 | 第45-46页 |
| 4.2 CUDA框架概述 | 第46-48页 |
| 4.2.1 CUDA线程层次 | 第46-47页 |
| 4.2.2 CUDA的存储模型 | 第47-48页 |
| 4.3 重建算法并行加速 | 第48-52页 |
| 4.3.1 特征匹配算法并行加速 | 第48-50页 |
| 4.3.2 合成图像算法并行加速 | 第50-51页 |
| 4.3.3 网格调整算法并行加速 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 实验结果与分析 | 第54-68页 |
| 5.1 实验环境介绍 | 第54-56页 |
| 5.1.1 软件环境介绍 | 第54-55页 |
| 5.1.2 硬件环境介绍 | 第55-56页 |
| 5.2 局部场景重建 | 第56-63页 |
| 5.2.1 定性分析 | 第56-58页 |
| 5.2.2 定量分析 | 第58-59页 |
| 5.2.3 实时性分析 | 第59-63页 |
| 5.3 全局场景重建 | 第63-65页 |
| 5.4 本章小结 | 第65-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间所发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
