基于微惯性传感器的图像三维重建方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 国内外研究进展 | 第15-18页 |
| 1.2.1 三维重建技术的研究动态 | 第15-17页 |
| 1.2.2 摄像机标定技术发展历史 | 第17页 |
| 1.2.3 智能手机平台的应用现状 | 第17-18页 |
| 1.3 本文的主要工作及论文结构 | 第18-20页 |
| 1.3.1 论文主要研究内容 | 第18-19页 |
| 1.3.2 论文结构 | 第19-20页 |
| 第二章 摄像机标定基本理论 | 第20-36页 |
| 2.1 摄像机成像模型 | 第20-27页 |
| 2.1.1 参考坐标系简介 | 第20-23页 |
| 2.1.2 摄像机成像过程 | 第23-25页 |
| 2.1.3 对极几何约束 | 第25-27页 |
| 2.2 常用摄像机标定方法 | 第27-34页 |
| 2.2.1 张正友标定方法 | 第28-32页 |
| 2.2.2 基于Kruppa方程的摄像机自标定 | 第32-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 基于微惯性传感器的摄像机标定方法 | 第36-52页 |
| 3.1 传感器相关知识介绍 | 第36-39页 |
| 3.1.1 传感器简介 | 第36-37页 |
| 3.1.2 传感器相关坐标系定义 | 第37-38页 |
| 3.1.3 传感器数据采集方法 | 第38-39页 |
| 3.2 基于微惯性传感器的摄像机标定算法 | 第39-49页 |
| 3.2.1 算法框图 | 第39-40页 |
| 3.2.2 计算摄像机的旋转矩阵 | 第40-46页 |
| 3.2.3 计算摄像机的平移向量 | 第46-49页 |
| 3.3 实验结果 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 图像特征提取与匹配 | 第52-66页 |
| 4.1 特征点检测和描述 | 第52-59页 |
| 4.1.1 Harris算法 | 第52-53页 |
| 4.1.2 SIFT算法 | 第53-57页 |
| 4.1.3 SURF算法 | 第57-59页 |
| 4.2 特征匹配算法 | 第59-62页 |
| 4.2.1 基于灰度相关性匹配 | 第59-60页 |
| 4.2.2 基于特征向量匹配 | 第60页 |
| 4.2.3 特征点匹配优化 | 第60-62页 |
| 4.3 本文的特征点检测和匹配算法 | 第62-65页 |
| 4.3.1 特征点提取要求 | 第62-63页 |
| 4.3.2 特征匹配要求 | 第63页 |
| 4.3.3 特征点提取和初始匹配 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 三维场景重建 | 第66-76页 |
| 5.1 三维点云生成 | 第66-69页 |
| 5.1.1 三角形法 | 第66-67页 |
| 5.1.2 三维点云优化 | 第67-69页 |
| 5.2 本文的实验结果 | 第69-75页 |
| 5.2.1 实验环境配置 | 第69页 |
| 5.2.2 三维重建的系统设计 | 第69-70页 |
| 5.2.3 三维重建实验结果 | 第70-75页 |
| 5.3 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76页 |
| 6.2 工作展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
