基于双目立体视觉的三维信息恢复方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景 | 第12页 |
| ·机器视觉的发展史 | 第12-15页 |
| ·国外机器视觉的发展现状 | 第14页 |
| ·国内机器视觉的发展现状 | 第14-15页 |
| ·机器视觉系统的优势 | 第15-17页 |
| ·机器视觉系统的应用 | 第17-19页 |
| ·本论文研究的目的 | 第19-20页 |
| ·本文的主要研究工作及内容安排 | 第20-22页 |
| 第2章 摄像机参数标定 | 第22-40页 |
| ·摄像机标定分类 | 第22-23页 |
| ·摄像机成像模型 | 第23-31页 |
| ·理想透视模型——针孔成像模型 | 第24-28页 |
| ·实际成像模型 | 第28-31页 |
| ·本文的双目立体视觉模型 | 第31-33页 |
| ·经典标定方法——张正友法 | 第33-35页 |
| ·摄像机参数的初始估计 | 第33-34页 |
| ·优化函数迭代求精 | 第34-35页 |
| ·双目立体摄像机标定 | 第35页 |
| ·对本文中软件和硬件的介绍 | 第35-36页 |
| ·基于 OpenCV 函数库的摄像机标定 | 第36-38页 |
| ·标定步骤 | 第36页 |
| ·标定结果与分析 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 基于 OpenCV 的图像处理 | 第40-50页 |
| ·图像的获取 | 第40页 |
| ·图像预处理 | 第40-41页 |
| ·灰度化 | 第41-43页 |
| ·图像滤波 | 第43-47页 |
| ·高斯滤波 | 第43-45页 |
| ·中值滤波 | 第45-47页 |
| ·直方图均衡化 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于 OpenCV 的图像边缘检测 | 第50-62页 |
| ·边缘检测概述 | 第50-51页 |
| ·梯度 | 第51-52页 |
| ·边缘检测算子 | 第52-61页 |
| ·Roberts 算子 | 第52-54页 |
| ·Sobel 算子 | 第54-55页 |
| ·Prewitt 算子 | 第55-56页 |
| ·Log 算子 | 第56-58页 |
| ·Canny 算子 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于 OpenCV 的三维信息恢复 | 第62-82页 |
| ·引言 | 第62-64页 |
| ·对极几何原理 | 第64-65页 |
| ·本质矩阵和基本矩阵 | 第65-69页 |
| ·本质矩阵 | 第65-67页 |
| ·基本矩阵 | 第67-69页 |
| ·立体校正 | 第69-71页 |
| ·特征点匹配 | 第71-72页 |
| ·深度信息恢复 | 第72-78页 |
| ·双目立体视觉的基本原理 | 第72-75页 |
| ·完整实验流程与结果分析 | 第75-78页 |
| ·误差分析 | 第78-80页 |
| ·硬件系统误差 | 第78-79页 |
| ·摄像机标定误差 | 第79页 |
| ·目标特征提取误差 | 第79页 |
| ·立体匹配存在误差 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第6章 总结与展望 | 第82-84页 |
| ·总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 作者简介 | 第88-90页 |
| 致谢 | 第90页 |
