基于双目视觉的运动目标检测与三维测量
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 目标检测与测量的关键技术概述 | 第10-12页 |
| 1.4 本文研究内容及创新点 | 第12页 |
| 1.5 论文的结构安排 | 第12-14页 |
| 第2章 图像处理与运动目标的检测 | 第14-26页 |
| 2.1 图像处理 | 第14-16页 |
| 2.1.1 线性滤波器 | 第14-15页 |
| 2.1.2 非线性滤波器 | 第15页 |
| 2.1.3 实验结果及分析 | 第15-16页 |
| 2.2 颜色模型转换 | 第16-18页 |
| 2.2.1 RGB颜色空间模型 | 第16页 |
| 2.2.2 HSV颜色空间模型 | 第16-17页 |
| 2.2.3 RGB模型到HSV模型 | 第17-18页 |
| 2.3 常见的目标检测方法对比 | 第18-19页 |
| 2.4 本文的目标检测方法 | 第19-24页 |
| 2.4.1 背景建模技术 | 第19-21页 |
| 2.4.2 HSV空间模型下的背景差分法 | 第21-23页 |
| 2.4.4 融合视差图的背景差分法 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 运动目标跟踪 | 第26-38页 |
| 3.1 均值漂移算法 | 第26-29页 |
| 3.1.1 均值漂移算法的理论推导 | 第26-27页 |
| 3.1.2 均值漂移算法收敛性 | 第27-28页 |
| 3.1.3 均值漂移算法实现步骤 | 第28-29页 |
| 3.2 粒子滤波理论 | 第29-32页 |
| 3.2.1 贝叶斯估计框架 | 第29-30页 |
| 3.2.2 重要性采样 | 第30-31页 |
| 3.2.3 序贯重要性采样 | 第31页 |
| 3.2.4 重采样 | 第31-32页 |
| 3.2.5 粒子滤波算法实现步骤 | 第32页 |
| 3.3 本文跟踪算法的具体实现 | 第32-33页 |
| 3.4 跟踪算法的实验与分析 | 第33-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 双目视觉摄像机标定技术 | 第38-46页 |
| 4.1 成像坐标系统 | 第38-39页 |
| 4.2 摄像机成像模型 | 第39-40页 |
| 4.3 摄像机标定 | 第40-44页 |
| 4.3.1 张正友标定法 | 第41-43页 |
| 4.3.2 立体标定 | 第43页 |
| 4.3.3 摄像机标定过程 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 运动目标的三维测量 | 第46-54页 |
| 5.1 三维测量模型 | 第46-48页 |
| 5.1.1 基于最小二乘法的测量 | 第46-47页 |
| 5.1.2 基于视差的测量 | 第47-48页 |
| 5.2 立体匹配 | 第48-49页 |
| 5.2.1 基于目标的质心和灰度信息匹配 | 第48-49页 |
| 5.2.2 约束规则 | 第49页 |
| 5.3 实验结果与分析 | 第49-53页 |
| 5.3.1 坐标获取 | 第49-51页 |
| 5.3.2 数据解析与仿真 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 在校期间发表的论文 | 第62页 |
