摘要 | 第6-8页 |
Abstract | 第8-9页 |
第一章 绪论 | 第10-17页 |
1.1 引言 | 第10页 |
1.2 双目立体视觉技术的发展现状 | 第10-11页 |
1.3 立体视觉研究存在的问题和发展方向 | 第11-12页 |
1.4 目标检测与跟踪技术的发展现状 | 第12-14页 |
1.5 课题研究的目的和意义 | 第14-16页 |
1.6 本章小结 | 第16-17页 |
第二章 立体成像基础与目标匹配 | 第17-30页 |
2.1 引言 | 第17页 |
2.2 立体成像基础 | 第17-20页 |
2.3 摄像机标定 | 第20-24页 |
2.3.1 Tsai标定方法 | 第20-23页 |
2.3.2 双目立体系统标定 | 第23-24页 |
2.4 立体匹配的约束与求解 | 第24-25页 |
2.5 立体匹配算法 | 第25-29页 |
2.5.1 基于区域相关的匹配 | 第26-27页 |
2.5.2 基于特征的匹配 | 第27-28页 |
2.5.3 基于相位的匹配 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第三章 基于视差图背景差分的目标检测与提取 | 第30-44页 |
3.1 目标的检测与提取 | 第30-32页 |
3.1.1 目标检测的任务与要求 | 第30-31页 |
3.1.2 目标检测算法的分类 | 第31-32页 |
3.2 灰度图像 | 第32-33页 |
3.3 瞬时差分法 | 第33-37页 |
3.3.1 瞬时差分算法基本原理 | 第33-34页 |
3.3.2 形态学处理 | 第34-36页 |
3.3.3 实验结果与讨论 | 第36-37页 |
3.4 基于背景差分的目标检测与提取 | 第37-40页 |
3.4.1 背景差分算法的实现 | 第38-39页 |
3.4.2 基于高斯分布的自适应背景模型估计 | 第39-40页 |
3.5 使用背景差分算法进行双目立体视觉中的目标检测与提取 | 第40-43页 |
3.5.1 背景差分算法在双目视觉中的实现 | 第40-41页 |
3.5.2 实验结果与讨论 | 第41-43页 |
3.6 本章小结 | 第43-44页 |
第四章 CamShift算法在跟踪中的应用 | 第44-54页 |
4.1 Meanshift算法基础 | 第44-46页 |
4.2 颜色空间 | 第46-48页 |
4.2.1 常用的颜色空间 | 第46-47页 |
4.2.2 从RGB颜色模型到HSV模型的转换 | 第47-48页 |
4.3 CamSshift跟踪算法 | 第48-50页 |
4.4 CamShift跟踪算法在立体视觉中的应用 | 第50-53页 |
4.3.1 视差深度图的计算 | 第51-52页 |
4.3.2 使用Camshift跟踪算法进行跟踪 | 第52-53页 |
4.4 本章小结 | 第53-54页 |
第五章 双目视觉跟踪系统的实现与实验研究 | 第54-66页 |
5.1 实验平台的设计与组成 | 第54-58页 |
5.1.1 系统的硬件组成 | 第54页 |
5.1.2 双目视觉系统 | 第54-57页 |
5.1.3 AS-R开发库的组成与环境配置 | 第57-58页 |
5.2 图像的采集与关键代码 | 第58-59页 |
5.3 基于OpenCV的CamShift算法的实现 | 第59-60页 |
5.4 实验结果与讨论 | 第60-65页 |
5.4.1 单目标的跟踪 | 第60-62页 |
5.4.2 多目标的跟踪 | 第62页 |
5.4.3 遮挡情况下的跟踪 | 第62-65页 |
5.6 本章小结 | 第65-66页 |
第六章 总结与展望 | 第66-68页 |
参考文献 | 第68-71页 |
致谢 | 第71-72页 |
学位论文评阅及答辩情况表 | 第72页 |