基于神经网络的相机标定
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 1 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·近景摄影测量 | 第8页 |
| ·计算机视觉 | 第8-9页 |
| ·论文立题背景 | 第9-10页 |
| ·相机标定研究现状 | 第10-11页 |
| ·传统标定方法 | 第10页 |
| ·相机自标定 | 第10-11页 |
| ·基于主动视觉的标定方法 | 第11页 |
| ·本文主要内容及目标 | 第11-12页 |
| 2 相机标定原理 | 第12-19页 |
| ·相机标定的意义 | 第12页 |
| ·参考坐标系 | 第12-14页 |
| ·镜头畸变 | 第14-15页 |
| ·传统标定过程 | 第15-16页 |
| ·DLT 算法 | 第15页 |
| ·RAC 的标定算法 | 第15-16页 |
| ·张正友的平面标定方法 | 第16页 |
| ·其他几种标定方法 | 第16页 |
| ·相机自标定方法 | 第16-17页 |
| ·主动视觉标定 | 第17页 |
| ·本章小结 | 第17-19页 |
| 3 数字图像预处理技术 | 第19-24页 |
| ·图像平滑 | 第19-21页 |
| ·均值滤波 | 第19页 |
| ·中值滤波 | 第19-21页 |
| ·图像增强 | 第21-23页 |
| ·梯度法 | 第21-22页 |
| ·拉普拉斯掩模法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 4 特征点提取与匹配 | 第24-31页 |
| ·特征点及其提取要求 | 第24页 |
| ·特征点提取方法 | 第24-27页 |
| ·MORAVEC 算子 | 第25-26页 |
| ·HARRIS 算子 | 第26页 |
| ·SUSAN 算子 | 第26-27页 |
| ·同名点匹配原则 | 第27-28页 |
| ·匹配算法的选择 | 第28-30页 |
| ·基于灰度相关的匹配算法 | 第28-29页 |
| ·基于特征的匹配算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 5 神经网络应用于相机标定 | 第31-50页 |
| ·神经网络的构成 | 第31-33页 |
| ·学习方式 | 第31-32页 |
| ·学习法则 | 第32-33页 |
| ·工作方式 | 第33页 |
| ·BP 网络 | 第33-36页 |
| ·BP 网络基本概念 | 第33页 |
| ·BP 网络具体实现步骤 | 第33-36页 |
| ·神经网络与相机标定 | 第36页 |
| ·BP 神经网络设计 | 第36-40页 |
| ·网络层数的选取 | 第36-37页 |
| ·隐含层神经元个数的选取 | 第37页 |
| ·激活函数的选取 | 第37-39页 |
| ·输入层和输出层的设计 | 第39页 |
| ·学习速率选取 | 第39页 |
| ·训练规则函数的选取 | 第39-40页 |
| ·期望误差的选取 | 第40页 |
| ·初始权值的选取 | 第40页 |
| ·样本的选取 | 第40页 |
| ·算法实现及实验结果 | 第40-48页 |
| ·MATLAB 简介 | 第40-42页 |
| ·实验环境及过程 | 第42-46页 |
| ·实验结果 | 第46-48页 |
| ·实验结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录 | 第54-57页 |
| 附录 A | 第54-57页 |
| 附录 B 攻读 硕 士学 位期 间 发 表文 章 | 第57页 |
