摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 研究背景与意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 双目立体视觉的研究概况 | 第12-13页 |
1.2.2 双目视觉立体匹配的研究现状 | 第13-14页 |
1.2.3 视频行人统计系统研究现状 | 第14-15页 |
1.3 主要研究内容及组织结构 | 第15-17页 |
第2章 双目立体视觉系统标定与匹配算法 | 第17-29页 |
2.1 摄像机成像模型 | 第17-19页 |
2.1.1 摄像机成像模型坐标系统 | 第17-18页 |
2.1.2 坐标系统转换 | 第18-19页 |
2.2 双目立体视觉系统标定 | 第19-23页 |
2.2.1 摄像机标定 | 第19-20页 |
2.2.2 双目立体成像结构 | 第20-23页 |
2.2.3 双目立体标定及校正 | 第23页 |
2.3 双目立体匹配算法 | 第23-28页 |
2.3.1 双目立体匹配的基本原理 | 第24-26页 |
2.3.2 双目立体匹配步骤 | 第26-28页 |
2.3.3 立体匹配算法的常见分类 | 第28页 |
2.4 本章小结 | 第28-29页 |
第3章 基于区域灰度的双目立体匹配算法及改进 | 第29-41页 |
3.1 基于区域灰度的立体匹配经典算法 | 第29-33页 |
3.1.1 基于区域灰度的立体匹配算法原理 | 第29-31页 |
3.1.2 基于区域灰度的立体匹配算法效果及评价 | 第31-33页 |
3.2 基于固定大小区域的立体匹配改进算法 | 第33-37页 |
3.2.1 基于区域梯度的立体匹配 | 第33-35页 |
3.2.2 实时性考虑及算法优化 | 第35-37页 |
3.3 基于变窗口的区域立体匹配算法 | 第37-38页 |
3.3.1 基于区域增长的自适应窗口模型 | 第37页 |
3.3.2 子窗口模型 | 第37-38页 |
3.4 实验结果及分析 | 第38-40页 |
3.4.1 实时性的测量 | 第38-39页 |
3.4.2 窗口大小的选择 | 第39-40页 |
3.5 本章小结 | 第40-41页 |
第4章 基于动态规划的改进立体匹配算法研究 | 第41-53页 |
4.1 基于动态规划的立体匹配算法理论基础 | 第41-44页 |
4.1.1 动态规划 | 第41-42页 |
4.1.2 基于动态规划的立体匹配 | 第42-43页 |
4.1.3 能量函数的构造 | 第43-44页 |
4.2 基于动态规划的立体匹配算法实时性改进 | 第44-47页 |
4.2.1 能量函数的构造 | 第44-46页 |
4.2.2 边缘检测 | 第46-47页 |
4.3 基于控制点的动态规划立体匹配算法 | 第47-50页 |
4.3.1 控制点的概念 | 第47-48页 |
4.3.2 控制点的选择 | 第48-49页 |
4.3.3 条纹效应的抑制 | 第49-50页 |
4.4 实验结果及分析 | 第50-51页 |
4.4.1 准确性分析 | 第50-51页 |
4.4.2 算法实时性分析 | 第51页 |
4.5 本章小结 | 第51-53页 |
第5章 基于立体视觉的行人数量统计 | 第53-69页 |
5.1 基于立体视觉的行人数量统计系统 | 第53-54页 |
5.2 双目立体图像采集、标定及校正 | 第54-58页 |
5.2.1 双目图像采集 | 第54-55页 |
5.2.2 双目立体标定 | 第55-57页 |
5.2.3 双目立体校正 | 第57-58页 |
5.3 基于固定窗口的区域匹配法的行人统计 | 第58-63页 |
5.3.1 实验环境的设计 | 第58-59页 |
5.3.2 基于固定窗口的区域匹配算法 | 第59-60页 |
5.3.3 目标分割与跟踪 | 第60-62页 |
5.3.4 实验效果及分析 | 第62-63页 |
5.4 基于动态规划的立体匹配算法在行人统计中的应用 | 第63-66页 |
5.4.1 基于动态规划的立体匹配算法 | 第63-66页 |
5.4.2 实验效果及分析 | 第66页 |
5.5 本章小结 | 第66-69页 |
第6章 总结与展望 | 第69-71页 |
6.1 总结 | 第69页 |
6.2 展望 | 第69-71页 |
参考文献 | 第71-75页 |
致谢 | 第75-76页 |
硕士期间发表的论文和专利 | 第76-77页 |
作者简介 | 第77页 |