| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 国内外研究现状概述 | 第9-13页 |
| 1.2.1 摄像机标定的分类 | 第9-11页 |
| 1.2.2 摄像机 1D标定的国内外研究现状 | 第11-13页 |
| 1.3 研究内容及论文安排 | 第13-15页 |
| 1.3.1 本文的研究思路和方法 | 第13页 |
| 1.3.2 本文的结构安排 | 第13-15页 |
| 第2章 摄像机标定的基础知识 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 摄像机模型 | 第15-20页 |
| 2.2.1 常用坐标系定义 | 第15-18页 |
| 2.2.2 线性摄像机模型 | 第18-19页 |
| 2.2.3 非线性摄像机模型 | 第19-20页 |
| 2.3 基本几何基元的投影 | 第20-23页 |
| 2.3.1 空间点的投影 | 第20页 |
| 2.3.2 空间直线的投影 | 第20-21页 |
| 2.3.3 空间平面的投影 | 第21-22页 |
| 2.3.4 无穷远单应 | 第22页 |
| 2.3.5 绝对二次曲线的投影 | 第22-23页 |
| 2.4 优化算法 | 第23-25页 |
| 2.4.1 最小二乘法 | 第23-24页 |
| 2.4.2 Levenberg-Marquardt算法 | 第24-25页 |
| 2.5 摄像机标定过程 | 第25-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 摄像机的自适应加权一维标定 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 摄像机 1D标定的基本原理 | 第29-32页 |
| 3.2.1 一维标定物 | 第29-30页 |
| 3.2.2 摄像机 1D标定的基本公式 | 第30-32页 |
| 3.3 现有标定算法 | 第32-36页 |
| 3.3.1 zhang的一维线性标定法 | 第33-34页 |
| 3.3.2 归一化线性算法 | 第34-35页 |
| 3.3.3 加权线性算法 | 第35-36页 |
| 3.4 自适应加权算法 | 第36-42页 |
| 3.4.1 用归一化的数据估计相对深度 | 第38-39页 |
| 3.4.2 加权归一化约束 | 第39-41页 |
| 3.4.3 自适应加权算法 | 第41-42页 |
| 3.5 实验及结果分析 | 第42-45页 |
| 3.5.1 模拟实验 | 第42-44页 |
| 3.5.2 真实图像实验 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于LMI的摄像机一维标定 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 LMI的多项式优化 | 第47-50页 |
| 4.2.1 LMI的描述 | 第47-48页 |
| 4.2.2 LMI松弛优化方法 | 第48-49页 |
| 4.2.3 优化工具箱介绍 | 第49-50页 |
| 4.3 基于LMI的摄像机 1D标定算法 | 第50-52页 |
| 4.4 实验及结果分析 | 第52-56页 |
| 4.4.1 模拟实验 | 第52-54页 |
| 4.4.2 真实图像实验 | 第54-55页 |
| 4.4.3 结果分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |