基于精细模型的车辆图像三维姿态估计算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 2D-3D特征对应关系的建立 | 第9-10页 |
| 1.2.2 投影方程的数学反演 | 第10-11页 |
| 1.3 研究内容和组织结构 | 第11-14页 |
| 2 摄像机模型及姿态参数估计原理 | 第14-23页 |
| 2.1 摄像机成像模型 | 第14-18页 |
| 2.1.1 针孔摄像机模型 | 第14-15页 |
| 2.1.2 摄像机坐标系及变换关系 | 第15-16页 |
| 2.1.3 摄像机内外参数 | 第16-18页 |
| 2.2 摄像机参数标定 | 第18-19页 |
| 2.2.1 内外参数标定 | 第18页 |
| 2.2.2 摄像机畸变模型及校正 | 第18-19页 |
| 2.3 车辆姿态参数简化 | 第19-21页 |
| 2.3.1 原始姿态参数 | 第19-20页 |
| 2.3.2 姿态参数简化 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 轮廓特征匹配 | 第23-34页 |
| 3.1 图像特征匹配 | 第23-26页 |
| 3.1.1 特征点匹配 | 第24-25页 |
| 3.1.2 特征曲线匹配 | 第25-26页 |
| 3.2 车辆的轮廓检测 | 第26-29页 |
| 3.2.1 Canny边缘检测 | 第26-27页 |
| 3.2.2 车辆轮廓提取 | 第27-29页 |
| 3.3 曲线轮廓直线化 | 第29-31页 |
| 3.3.1 RANSAC算法 | 第29页 |
| 3.3.2 改进的RANSAC算法拟合曲线轮廓 | 第29-31页 |
| 3.4 车辆轮廓匹配 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4 姿态参数优化方法 | 第34-46页 |
| 4.1 优化方法 | 第34-36页 |
| 4.1.1 优化问题定义 | 第34-35页 |
| 4.1.2 最小二乘问题 | 第35-36页 |
| 4.2 高斯牛顿法优化姿态参数 | 第36-42页 |
| 4.2.1 优化模型 | 第36-37页 |
| 4.2.2 初始化姿态参数 | 第37-38页 |
| 4.2.3 姿态参数求解 | 第38-39页 |
| 4.2.4 鲁棒算法 | 第39-42页 |
| 4.3 分布估计算法优化姿态参数 | 第42-44页 |
| 4.3.1 分布估计算法 | 第42-43页 |
| 4.3.2 六自由度姿态参数优化 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 5 实验结果与分析 | 第46-54页 |
| 5.1 实验环境与方法 | 第46-48页 |
| 5.1.1 实验数据 | 第46-47页 |
| 5.1.2 实验设计 | 第47-48页 |
| 5.2 实验结果与分析 | 第48-53页 |
| 5.2.1 高斯牛顿法优化结果 | 第48-52页 |
| 5.2.2 分布估计算法优化结果 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间的科研工作情况 | 第59-60页 |
| 致谢 | 第60-61页 |
