移动机器人视觉中图像特征点提取与匹配技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 三维重建 | 第15-16页 |
| 1.2.2 图像特征提取与匹配 | 第16-18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 1.5 论文创新点和难点 | 第20-21页 |
| 第二章 环境高纹理区域的匹配方案 | 第21-41页 |
| 2.1 研究方案和流程设计 | 第21-28页 |
| 2.1.1 方案流程分析 | 第21-24页 |
| 2.1.2 图像底层特征的匹配方法分类 | 第24-25页 |
| 2.1.3 研究方案必备因素分析 | 第25-28页 |
| 2.2 高纹理环境特征点的提取与匹配 | 第28-38页 |
| 2.2.1 特征点提取 | 第29-37页 |
| 2.2.2 特征点匹配 | 第37-38页 |
| 2.3 结果分析 | 第38-40页 |
| 2.3.1 OpenCV等库及工具介绍 | 第38-39页 |
| 2.3.2 结果分析 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 环境低纹理区域的匹配方案 | 第41-53页 |
| 3.1 超像素生成 | 第41-47页 |
| 3.1.1 分割理论因素分析 | 第41-46页 |
| 3.1.2 超像素分割 | 第46-47页 |
| 3.2 超像素匹配 | 第47-52页 |
| 3.2.1 初始化图像 | 第47-48页 |
| 3.2.2 匹配分析 | 第48-49页 |
| 3.2.3 相机状态和像素矩阵变换 | 第49-51页 |
| 3.2.4 像素矩阵变换的优化 | 第51页 |
| 3.2.5 超像素间的匹配 | 第51-52页 |
| 3.3 本章小结 | 第52-53页 |
| 第四章 三维信息重建 | 第53-64页 |
| 4.1 相机标定和稀疏稠密重建 | 第54-56页 |
| 4.1.1 相机标定 | 第55页 |
| 4.1.2 光束法平差 | 第55页 |
| 4.1.3 PMVS稠密重建 | 第55-56页 |
| 4.2 单一纹理环境的三维重建 | 第56-60页 |
| 4.2.1 基于高纹理匹配方案的高纹理环境建模 | 第56-58页 |
| 4.2.2 基于高纹理匹配方案的低纹理环境建模 | 第58-60页 |
| 4.3 综合环境的三维重建 | 第60-62页 |
| 4.4 结果分析对比 | 第62-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 论文工作总结 | 第64-65页 |
| 5.2 下一步工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
