| 第1章 绪论 | 第1-25页 |
| 1．1 引言 | 第10-11页 |
| 1．2 计算机视觉理论 | 第11-14页 |
| 1．3 计算机立体视觉的研究现状 | 第14-20页 |
| 1．3．1 常用的三维感知方法 | 第14-16页 |
| 1．3．2 计算机立体视觉系统 | 第16-20页 |
| 1．4 论文的选题背景及主要研究工作 | 第20-22页 |
| 1．4．1 选题背景 | 第20-21页 |
| 1．4．2 本文的主要工作 | 第21-22页 |
| 参考文献 | 第22-25页 |
| 第2章 计算机视觉中的摄像机标定原理与技术 | 第25-48页 |
| 2．1 引言 | 第25-27页 |
| 2．2 透视变换和摄像机模型 | 第27-30页 |
| 2．2．1 小孔摄像机模型 | 第27-28页 |
| 2．2．2 摄像机镜头畸变 | 第28-30页 |
| 2．3 传统的摄像机标定技术 | 第30-37页 |
| 2．3．1 利用透视变换矩阵的摄像机标定技术 | 第31-33页 |
| 2．3．2 运用非线性优化技术进行摄像机标定 | 第33-34页 |
| 2．3．3 双平面标定方法 | 第34-35页 |
| 2．3．4 两步法 | 第35-37页 |
| 2．4 摄像机自标定技术 | 第37-40页 |
| 2．4．1 基于主动视觉的摄像机自标定技术 | 第37-39页 |
| 2．4．2 利用本质矩阵和基本矩阵的自标定技术 | 第39-40页 |
| 2．4．3 利用多幅图像之间的直线对应关系的摄像机自标定方法 | 第40页 |
| 2．5 其它的摄像机标定方法 | 第40-44页 |
| 2．5．1 利用灭点进行摄像机标定 | 第40-42页 |
| 2．5．2 通过弱透视投影或平行透视投影进行摄像机标定 | 第42-44页 |
| 2．6 本章小结 | 第44页 |
| 参考文献 | 第44-48页 |
| 第3章 基于一阶径向畸变模型的新的摄像机线性标定方法 | 第48-64页 |
| 3．1 引言 | 第48-49页 |
| 3．2 带有一阶径向畸变的摄像机模型 | 第49-51页 |
| 3．3 比例系数和图像中心点的计算 | 第51页 |
| 3．4 一种新的逐步分解的摄像机线性标定方法 | 第51-56页 |
| 3．4．1 基本原理 | 第51-54页 |
| 3．4．2 逐步分解参数的计算过程 | 第54页 |
| 3．4．3 实验结果及分析 | 第54-56页 |
| 3．5 一种新的基于斜率的摄像机畸变校正方法 | 第56-62页 |
| 3．5．1 基本原理 | 第56-57页 |
| 3．5．2 分解步骤 | 第57-58页 |
| 3．5．3 实验结果及分析 | 第58-62页 |
| 3．6 本章小结 | 第62页 |
| 参考文献 | 第62-64页 |
| 第4章 基于Windows环境的视频捕捉技术研究 | 第64-72页 |
| 4．1 引言 | 第64页 |
| 4．2 使用CCD摄像头采集图像数据的实现技术 | 第64-68页 |
| 4．2．1 CCD摄像头和视频卡的硬件连接 | 第64-65页 |
| 4．2．2 Windows环境下的视频捕获的软件技术及实现 | 第65-68页 |
| 4．3 视频捕捉技术在足球机器人视觉识别系统中的应用 | 第68-71页 |
| 4．4 本章小结 | 第71页 |
| 参考文献 | 第71-72页 |
| 第5章 基于小波变换原理的图像去噪和边缘轮廓提取 | 第72-89页 |
| 5．1 引言 | 第72页 |
| 5．2 小波变换理论 | 第72-77页 |
| 5．2．1 小波定义 | 第73-74页 |
| 5．2．2 多分辨分析 | 第74-75页 |
| 5．2．3 图像的正交小波表示 | 第75-77页 |
| 5．3 基于小波变换的图像去噪 | 第77-81页 |
| 5．3．1 高斯白噪声及其在小波变换下的特性 | 第77-78页 |
| 5．3．2 冗余表达 | 第78页 |
| 5．3．3 一种移位冗余处理的小波去噪算法 | 第78-79页 |
| 5．3．4 实验结果 | 第79-81页 |
| 5．4 基于小波变换的图像边缘轮廓提取 | 第81-86页 |
| 5．4．1 图像边缘检测技术的发展现状 | 第81-83页 |
| 5．4．2 基于小波变换的边缘检测方法 | 第83-86页 |
| 5．5 本章小结 | 第86-87页 |
| 参考文献 | 第87-89页 |
| 第6章 计算机视觉立体匹配 | 第89-103页 |
| 6．1 引言 | 第89页 |
| 6．2 立体匹配 | 第89-97页 |
| 6．2．1 立体匹配的内容 | 第90-91页 |
| 6．2．2 立体匹配方法 | 第91-93页 |
| 6．2．3 基于边缘检测的分阶段立体匹配方法 | 第93-97页 |
| 6．3 立体视觉与三维重建 | 第97-101页 |
| 6．3．1 空间点的三维重建 | 第98-99页 |
| 6．3．2 空间直线和曲线的三维重建 | 第99-101页 |
| 6．4 本章小结 | 第101页 |
| 参考文献 | 第101-103页 |
| 第7章 足球机器人视觉识别系统的研制 | 第103-118页 |
| 7．1 引言 | 第103-104页 |
| 7．2 足球机器人视觉识别系统 | 第104-108页 |
| 7．2．1 足球机器人系统 | 第104-105页 |
| 7．2．2 足球机器人视觉子系统 | 第105-108页 |
| 7．3 足球机器人小车的视觉识别算法 | 第108-112页 |
| 7．3．1 投影法（Projection） | 第109页 |
| 7．3．2 基于区域投影的足球机器人视觉识别算法 | 第109-112页 |
| 7．4 小球的视觉识别算法 | 第112-114页 |
| 7．4．1 颜色分割 | 第112-113页 |
| 7．4．2 基于HSV颜色模型的小球识别算法 | 第113-114页 |
| 7．5 实验及分析 | 第114-115页 |
| 7．6 本章小结 | 第115-116页 |
| 参考文献 | 第116-118页 |
| 第8章 结论与展望 | 第118-121页 |
| 8．1 论文工作总结 | 第118-119页 |
| 8．2 工作展望 | 第119-121页 |
| 创新点摘要 | 第121-122页 |
| 攻读博士学位期间参与的研究项目及发表的论文 | 第122-123页 |
| 致谢 | 第123-124页 |
