基于Kruppa方程的三维重建算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 本文所做工作及论文组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 三维重建中的重要概念 | 第15-27页 |
| 2.1 摄像机模型 | 第15-19页 |
| 2.1.1 摄像机基本模型 | 第15-17页 |
| 2.1.2 摄像机移动模型 | 第17-19页 |
| 2.2 两视图几何 | 第19-24页 |
| 2.2.1 两视图几何 | 第19-21页 |
| 2.2.2 基础矩阵的求解 | 第21-24页 |
| 2.3 多视图几何 | 第24页 |
| 2.4 本质矩阵 | 第24-25页 |
| 2.5 单应矩阵 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 摄像机标定方法 | 第27-37页 |
| 3.1 传统的摄像机标定方法 | 第27-32页 |
| 3.1.1 利用透视变换矩阵的标定方法 | 第28页 |
| 3.1.2 Tsai 两步标定方法 | 第28-31页 |
| 3.1.3 张氏标定方法 | 第31-32页 |
| 3.2 摄像机自标定 | 第32-36页 |
| 3.2.1 绝对二次曲线和绝对二次曲面 | 第32-33页 |
| 3.2.2 基于Kruppa 方程的自标定 | 第33-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 图像特征点提取及匹配 | 第37-55页 |
| 4.1 图像特征点的提取 | 第37-41页 |
| 4.1.1 Harris 特征提取 | 第37-38页 |
| 4.1.2 Sift 特征提取 | 第38-41页 |
| 4.2 常用的匹配算法 | 第41-43页 |
| 4.2.1 基于极线约束的匹配方法 | 第41页 |
| 4.2.2 基于遗传算法的匹配方法 | 第41-42页 |
| 4.2.3 灰度相关匹配算法 | 第42-43页 |
| 4.3 本文所用的匹配算法 | 第43-54页 |
| 4.3.1 改进的sift 匹配算法 | 第43-45页 |
| 4.3.2 改进sift 的实验结果及分析 | 第45-46页 |
| 4.3.3 二次匹配 | 第46-49页 |
| 4.3.4 二次匹配的实验结果及分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 三维重建系统实现 | 第55-62页 |
| 5.1 三维重建算法 | 第55-56页 |
| 5.2 重建系统实现 | 第56-57页 |
| 5.3 实验结果及分析 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文所作的主要工作 | 第62页 |
| 6.2 进一步的研究工作 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间取得的科研成果 | 第69页 |
