基于双目立体视觉的平面拟合技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 Marr 视觉理论框架 | 第12-13页 |
| 1.1.2 双目立体视觉 | 第13-14页 |
| 1.2 课题研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的结构 | 第18页 |
| 1.5 小结 | 第18-20页 |
| 第2章 双目立体视觉系统构成及相关成像原理 | 第20-27页 |
| 2.1 双目立体视觉系统构成 | 第20-21页 |
| 2.1.1 系统硬件设计 | 第20-21页 |
| 2.1.2 系统工作流程 | 第21页 |
| 2.2 双目立体视觉实验系统成像原理 | 第21-25页 |
| 2.2.1 摄像机成像几何模型 | 第22-24页 |
| 2.2.2 双目立体视觉系统模型 | 第24-25页 |
| 2.3 小结 | 第25-27页 |
| 第3章 摄像机标定 | 第27-45页 |
| 3.1 摄像机标定原理 | 第27-29页 |
| 3.1.1 摄像机参数 | 第27-28页 |
| 3.1.2 摄像机模型 | 第28-29页 |
| 3.2 摄像机标定方法 | 第29-34页 |
| 3.2.1 传统标定方法 | 第29-32页 |
| 3.2.2 自标定方法 | 第32-33页 |
| 3.2.3 主动视觉标定方法 | 第33页 |
| 3.2.4 标定方法的选择 | 第33-34页 |
| 3.3 双目视觉立体系统标定实验 | 第34-38页 |
| 3.3.1 OpenCV 中标定的坐标关系 | 第34-35页 |
| 3.3.2 摄像机参数的获得 | 第35-38页 |
| 3.4 基于 OpenCV 的标定实验 | 第38-44页 |
| 3.4.1 摄像机标定流程模块 | 第38-41页 |
| 3.4.2 标定实验及结果 | 第41-44页 |
| 3.5 小结 | 第44-45页 |
| 第4章 SIFT 特征匹配及匹配点优化实验 | 第45-61页 |
| 4.1 SIFT 特征匹配算法及实验 | 第45-52页 |
| 4.1.1 SIFT 特征匹配算法概述 | 第45-51页 |
| 4.1.2 SIFT 特征匹配算法实验 | 第51-52页 |
| 4.2 三种匹配点优化算法介绍 | 第52-57页 |
| 4.2.1 加权最小二乘迭代法概述 | 第53-54页 |
| 4.2.2 牛顿迭代法概述 | 第54-55页 |
| 4.2.3 改进的 RANSAC 法概述 | 第55-57页 |
| 4.3 三种匹配优化算法实验结果 | 第57-59页 |
| 4.3.1 加权最小二乘迭代法匹配优化结果 | 第57-58页 |
| 4.3.2 牛顿迭代法匹配优化结果 | 第58-59页 |
| 4.3.3 改进的 RANSAC 法匹配优化结果 | 第59页 |
| 4.4 小结 | 第59-61页 |
| 第5章 三维点重建及点云平面拟合实验 | 第61-73页 |
| 5.1 三维点重建 | 第61-64页 |
| 5.1.1 三维点重建算法 | 第61-63页 |
| 5.1.2 三维点重建实验 | 第63-64页 |
| 5.2 平面拟合算法介绍 | 第64-68页 |
| 5.2.1 最小二乘算法 | 第65页 |
| 5.2.2 结合特征值法的 RANSAC 算法 | 第65-68页 |
| 5.3 仿真实验 | 第68-70页 |
| 5.4 实际场景下平面拟合实验 | 第70-72页 |
| 5.4.1 两种算法进行平面拟合实验结果 | 第70-71页 |
| 5.4.2 实验结果分析 | 第71-72页 |
| 5.5 小结 | 第72-73页 |
| 结论 | 第73-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第80-81页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第81页 |
