| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 OpenCV简介 | 第15-17页 |
| 1.4 本文的研究内容及内容安排 | 第17-19页 |
| 第2章 三维重建基础理论及摄像机标定研究 | 第19-33页 |
| 2.1 摄像机成像模型 | 第19-23页 |
| 2.1.1 三个坐标系 | 第19-21页 |
| 2.1.2 针孔相机模型 | 第21-23页 |
| 2.2 对极几何、基本矩阵和本质矩阵 | 第23-27页 |
| 2.2.1 对极几何 | 第23-24页 |
| 2.2.2 基本矩阵和本质矩阵 | 第24-26页 |
| 2.2.3 基本矩阵的求解方法 | 第26页 |
| 2.2.4 通过本质矩阵求摄像机外参数 | 第26-27页 |
| 2.3 摄像机标定 | 第27-32页 |
| 2.3.1 传统的摄像机标定 | 第28-31页 |
| 2.3.2 摄像机自标定 | 第31页 |
| 2.3.3 基于主动视觉的摄像机标定 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 图像特征点提取与匹配技术研究 | 第33-50页 |
| 3.1 图像特征点提取 | 第33-34页 |
| 3.2 常用的特征提取算法介绍 | 第34-44页 |
| 3.2.1 Harris算法 | 第34-36页 |
| 3.2.2 SURF算法 | 第36-44页 |
| 3.3 图像特征点匹配 | 第44页 |
| 3.3.1 SURF特征向量匹配 | 第44页 |
| 3.4 Harris-SURF特征提取与匹配算法的提出 | 第44-47页 |
| 3.5 消除特征点的误匹配 | 第47-49页 |
| 3.5.1 RANSAC算法 | 第47-48页 |
| 3.5.2 使用RANSAC算法消除误匹配和估算基本矩阵 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 三维重建研究 | 第50-54页 |
| 4.1 三维重建基本原理 | 第50-52页 |
| 4.2 三维空间点重构算法 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 实现过程与实验分析 | 第54-65页 |
| 5.1 系统搭建的环境 | 第54-55页 |
| 5.2 摄像机标定实验与分析 | 第55-56页 |
| 5.3 图像特征点提取与匹配实验与分析 | 第56-62页 |
| 5.3.1 Harris算法检测图像特征点 | 第57页 |
| 5.3.2 验证Harris-SURF算法 | 第57-61页 |
| 5.3.3 RANSAC算法消除误匹配 | 第61-62页 |
| 5.4 三维重建 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间取得学术成果 | 第71页 |