基于立体视觉的障碍物检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 立体视觉的研究现状 | 第9-11页 |
| 1.3 障碍物检测研究现状 | 第11-14页 |
| 1.4 课题来源及论文结构 | 第14-15页 |
| 2 立体视觉系统分析 | 第15-21页 |
| 2.1 立体视觉系统简述 | 第15-16页 |
| 2.2 立体视觉模型 | 第16-18页 |
| 2.2.1 四个坐标系 | 第16-17页 |
| 2.2.2 相机成像模型 | 第17-18页 |
| 2.3 立体视觉原理 | 第18-20页 |
| 2.4 Bumblebee立体相机简介 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于局部鲁棒特征描述的立体匹配 | 第21-32页 |
| 3.1 SURF特征点提取 | 第21-24页 |
| 3.2 基于局部鲁棒特征描述符的特征匹配 | 第24-29页 |
| 3.2.1 特征匹配原理及其约束条件 | 第24-26页 |
| 3.2.2 DAISY描述符分析 | 第26-28页 |
| 3.2.3 随机KD树算法分析 | 第28-29页 |
| 3.2.4 RANSAC剔除误匹配点 | 第29页 |
| 3.3 实验结果及分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 改进的基于置信传播的稠密立体匹配 | 第32-44页 |
| 4.1 基于颜色分量的加权平均差函数的构造 | 第33-34页 |
| 4.2 改进的基于置信传播的视差优化 | 第34-40页 |
| 4.2.1 置信度量方法 | 第34-36页 |
| 4.2.2 基于MeanShift的图像分割 | 第36-38页 |
| 4.2.3 全局能量函数描述 | 第38-39页 |
| 4.2.4 基于颜色分割的置信传播 | 第39-40页 |
| 4.3 实验结果分析与评估 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 基于V-视差的障碍物检测 | 第44-52页 |
| 5.1 构造V-视差图 | 第44-47页 |
| 5.1.1 V-视差图 | 第44-45页 |
| 5.1.2 障碍物平面在V-视差图中的表现形式 | 第45-47页 |
| 5.2 障碍物检测 | 第47-50页 |
| 5.2.1 V-视差检测障碍物的过程 | 第47-48页 |
| 5.2.2 基于Hough检测的直线拟合算法 | 第48-50页 |
| 5.3 实验结果及分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间主要研究成果 | 第59-60页 |
| 致谢 | 第60页 |
