基于OpenCV的三维重建关键算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 论文的研究背景 | 第10页 |
| 1.2 立体匹配算法的研究现状及其发展方向 | 第10-13页 |
| 1.2.1 立体匹配算法的国内外研究现状 | 第10-12页 |
| 1.2.2 立体匹配算法的发展方向 | 第12-13页 |
| 1.3 OpenCV开源视觉库 | 第13页 |
| 1.4 本文的研究方向和主要成果 | 第13-14页 |
| 1.5 本文的结构安排 | 第14-15页 |
| 第二章 双目三维重建系统简介 | 第15-24页 |
| 2.1 双目三维重建系统的应用 | 第15-16页 |
| 2.2 双目三维重建系统的原理 | 第16-17页 |
| 2.3 立体视觉的几何模型 | 第17-21页 |
| 2.3.1 单目相机几何模型 | 第17-19页 |
| 2.3.2 相机畸变模型 | 第19-20页 |
| 2.3.3 双目相机几何模型 | 第20-21页 |
| 2.4 OpenCV立体图像对校正流程 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 立体匹配算法概述 | 第24-34页 |
| 3.1 立体匹配算法的常见模块 | 第24-26页 |
| 3.1.1 匹配代价计算 | 第24-25页 |
| 3.1.2 匹配代价聚合 | 第25页 |
| 3.1.3 视差计算和优化 | 第25-26页 |
| 3.1.4 视差图后处理 | 第26页 |
| 3.2 主要算法分类 | 第26-29页 |
| 3.2.1 局部匹配算法 | 第26-27页 |
| 3.2.2 半全局匹配算法 | 第27-28页 |
| 3.2.3 全局匹配算法 | 第28-29页 |
| 3.3 立体匹配算法的性能评估指标 | 第29-30页 |
| 3.4 本文采取的实验数据 | 第30-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 常用算法性能分析 | 第34-50页 |
| 4.1 固定窗局部匹配算法 | 第34-41页 |
| 4.1.1 匹配代价计算 | 第34页 |
| 4.1.2 固定窗口代价聚合 | 第34-35页 |
| 4.1.3 视差选择和优化 | 第35-36页 |
| 4.1.4 OpenCV固定窗匹配算法分析 | 第36页 |
| 4.1.5 固定窗匹配算法的实验 | 第36-41页 |
| 4.2 基于单扫描线的立体匹配算法 | 第41-44页 |
| 4.2.1 动态规划算法的原理 | 第41-42页 |
| 4.2.2 单扫描线动态规划算法实现 | 第42-43页 |
| 4.2.3 算法的实验分析 | 第43-44页 |
| 4.3 多扫描线半全局匹配算法 | 第44-49页 |
| 4.3.1 半全局匹配算法的建模 | 第44-45页 |
| 4.3.2 多扫描线上的代价聚合 | 第45-46页 |
| 4.3.3 OpenCV半全局算法 | 第46-47页 |
| 4.3.4 算法的实验分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 快速全局立体匹配算法的实现 | 第50-60页 |
| 5.1 立体匹配问题的全局模型 | 第50-51页 |
| 5.2 置信度传播算法 | 第51-52页 |
| 5.3 置信度传播算法的优化 | 第52-54页 |
| 5.3.1 信息计算速度优化 | 第53页 |
| 5.3.2 迭代初值优化 | 第53-54页 |
| 5.3.3 迭代次数控制 | 第54页 |
| 5.4 实验结果 | 第54-58页 |
| 5.4.1 固定迭代次数下的算法评估 | 第54-56页 |
| 5.4.2 迭代次数对性能的影响 | 第56-58页 |
| 5.5 四种算法的性能比较 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
