基于增量式运动恢复结构的弱纹理目标三维重建
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文工作与结构 | 第9-11页 |
| 第2章 增量式运动恢复结构基本原理 | 第11-23页 |
| 2.1 相机模型 | 第12-15页 |
| 2.1.1 针孔相机模型 | 第12-14页 |
| 2.1.2 基础矩阵与本质矩阵 | 第14-15页 |
| 2.2 特征检测与匹配 | 第15-18页 |
| 2.3 相机位姿与特征点三维坐标 | 第18-20页 |
| 2.4 多视图三维恢复 | 第20页 |
| 2.5 光束法平差 | 第20-21页 |
| 2.6 本章小结 | 第21-23页 |
| 第3章 局部特征描述子 | 第23-37页 |
| 3.1 SFM中常用的局部特征描述子 | 第23-26页 |
| 3.2 改进的二值描述子 | 第26-31页 |
| 3.2.1 特征点检测 | 第26-28页 |
| 3.2.2 特征点描述子 | 第28-31页 |
| 3.3 特征检测与匹配实验 | 第31-36页 |
| 3.3.1 匹配准确率实验 | 第32-33页 |
| 3.3.2 精确率-召回率实验 | 第33-35页 |
| 3.3.3 尺度数量实验 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 图像深度预测与三维重建 | 第37-55页 |
| 4.1 稠密点云重建 | 第37-38页 |
| 4.2 基于全卷积神经网络的图像深度预测 | 第38-48页 |
| 4.2.1 神经网络 | 第38-41页 |
| 4.2.2 卷积神经网络的构成 | 第41-45页 |
| 4.2.3 深度预测模型 | 第45-48页 |
| 4.3 深度预测实验 | 第48-52页 |
| 4.4 弱纹理目标三维重建实验 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 前景展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
