| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10-12页 |
| ·摄像机标定技术研究与内容 | 第12-13页 |
| ·摄像机标定的发展与研究现状 | 第13-15页 |
| ·课题的研究意义及主要研究工作 | 第15-18页 |
| 第2章 摄像机标定理论 | 第18-30页 |
| ·参考坐标系 | 第18-21页 |
| ·图像坐标系 | 第18-20页 |
| ·摄像机坐标系 | 第20页 |
| ·世界坐标系 | 第20-21页 |
| ·线性摄象机模型(针孔模型) | 第21-22页 |
| ·非线性模型 | 第22-25页 |
| ·畸变模型 | 第23-24页 |
| ·畸变校正模型 | 第24-25页 |
| ·需要标定的参数 | 第25页 |
| ·传统摄像机标定方法 | 第25-29页 |
| ·主点坐标的标定 | 第26-27页 |
| ·尺度因子,旋转矩阵和平移向量的标定 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于BP网络的畸变校正方法 | 第30-52页 |
| ·标定模板特征点提取概述 | 第30-31页 |
| ·基于边缘提取的角点检测算法 | 第30-31页 |
| ·基于图像灰度的角点检测算法 | 第31页 |
| ·基于Harris角点检测原理的亚像素角点检测技术 | 第31-34页 |
| ·Harris角点检测原理 | 第31-33页 |
| ·基于Harris亚像素级角点检测算法 | 第33-34页 |
| ·人工神经网络 | 第34-37页 |
| ·人工神经网络的概述 | 第34-35页 |
| ·人工神经网络的基本结构 | 第35-37页 |
| ·神经网络实现摄像机畸变校正 | 第37-38页 |
| ·BP神经网络 | 第38-42页 |
| ·BP神经网络结构 | 第38-39页 |
| ·BP神经网络学习算法 | 第39-42页 |
| ·BP网络设计 | 第42-44页 |
| ·激活函数的选取 | 第42-43页 |
| ·输入层和输出层的设计 | 第43页 |
| ·网络层数的选择 | 第43-44页 |
| ·误差分析方法 | 第44-45页 |
| ·仿真试验 | 第45-51页 |
| ·标定模板角点提取 | 第45-46页 |
| ·基于BP网络的畸变校正 | 第46-48页 |
| ·基于共面点的摄象机内外参数标定 | 第48-49页 |
| ·噪声干扰分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于遗传算法与BP网络相结合的算法 | 第52-68页 |
| ·遗传算法的基本原理 | 第52-55页 |
| ·遗传算法的几个基本概念 | 第52页 |
| ·遗传算法基本流程 | 第52-55页 |
| ·遗传算法的操作分析 | 第55-57页 |
| ·遗传编码 | 第55页 |
| ·适应度函数 | 第55-56页 |
| ·遗传操作 | 第56-57页 |
| ·控制参数设定 | 第57页 |
| ·遗传算法优化BP网络算法具体操作 | 第57-60页 |
| ·编码方式的确定 | 第58-59页 |
| ·适应度函数的设计 | 第59页 |
| ·遗传算法参数的选择 | 第59-60页 |
| ·仿真实验 | 第60-63页 |
| ·试验研究 | 第63-67页 |
| ·实验系统 | 第63-64页 |
| ·软件实现 | 第64-65页 |
| ·视觉检测应用 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-70页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |