| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-18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 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 第2章 Sift特征点提取 | 第18-29页 |
| 2.1 基本原理 | 第18-24页 |
| 2.1.1 构建DoG尺度空间 | 第19-21页 |
| 2.1.2 检测DoG尺度空间极值点 | 第21页 |
| 2.1.3 精确定位特征点，同时去除不稳定的特征点 | 第21-23页 |
| 2.1.4 确定每个特征点的主方向参数 | 第23页 |
| 2.1.5 生成特征点描述符 | 第23-24页 |
| 2.2 优化参数Sift特征提取 | 第24-26页 |
| 2.3 GPU-Sift特征提取 | 第26-29页 |
| 第3章 大规模多图像Sift特征匹配 | 第29-37页 |
| 3.1 构建潜在图像匹配对 | 第29-30页 |
| 3.1.1 基于GPS信息构建潜在图像匹配对 | 第29-30页 |
| 3.1.2 基于词汇树构建潜在图像匹配对 | 第30页 |
| 3.2 GPU-Sift特征匹配 | 第30-32页 |
| 3.3 基于Ransac的Sift特征匹配 | 第32-37页 |
| 3.3.1 Ransac算法 | 第33页 |
| 3.3.2 5 点法估算本质矩阵 | 第33-35页 |
| 3.3.3 实验 | 第35-37页 |
| 第4章 多图像相对定向 | 第37-53页 |
| 4.1 相机模型 | 第37-40页 |
| 4.1.1 基本成像模型 | 第37-38页 |
| 4.1.2 CCD和透镜相机模型 | 第38-39页 |
| 4.1.3 相机矩阵的一般形式 | 第39-40页 |
| 4.2 两视几何 | 第40-41页 |
| 4.3 三视几何 | 第41-43页 |
| 4.4 多视几何 | 第43-45页 |
| 4.5 实验 | 第45-53页 |
| 4.5.1 实验一 | 第46-48页 |
| 4.5.2 实验二 | 第48-50页 |
| 4.5.3 实验三 | 第50-51页 |
| 4.5.4 实验分析 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 需进一步研究的问题 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |