基于图像的三维重建的研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-12页 |
| 1.3 本文的主要工作及结构安排 | 第12-14页 |
| 1.3.1 本文的主要工作 | 第12页 |
| 1.3.2 本文的结构安排 | 第12-14页 |
| 第二章 基于图像的双目视觉三维重建综述 | 第14-19页 |
| 2.1 双目视觉三维重建体系结构 | 第14-15页 |
| 2.2 双目视觉三维重建的数学模型 | 第15-17页 |
| 2.3 关键技术和难点 | 第17-18页 |
| 2.3.1 相机标定 | 第17页 |
| 2.3.2 立体匹配 | 第17-18页 |
| 2.4 OpenCV视觉库简介 | 第18页 |
| 2.5 本章小节 | 第18-19页 |
| 第三章 双目视觉相机标定和立体校正 | 第19-35页 |
| 3.1 相机成像模型 | 第19-25页 |
| 3.1.1 针孔模型 | 第19-20页 |
| 3.1.2 四坐标系变换关系 | 第20-23页 |
| 3.1.3 畸变的校正 | 第23-25页 |
| 3.2 相机标定 | 第25-28页 |
| 3.2.1 单目相机标定 | 第25-27页 |
| 3.2.2 基于OpenCV的双目相机标定 | 第27-28页 |
| 3.3 立体校正 | 第28-30页 |
| 3.3.1 极线校正模型 | 第28-29页 |
| 3.3.2 Bouguet极线校正方法 | 第29-30页 |
| 3.4 相机标定结果与误差分析 | 第30-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 立体匹配算法的研究及改进 | 第35-54页 |
| 4.1 立体匹配的基本理论 | 第35-40页 |
| 4.1.1 立体匹配算法分类 | 第35-36页 |
| 4.1.2 立体匹配的一般步骤 | 第36-39页 |
| 4.1.3 立体匹配的约束准则 | 第39-40页 |
| 4.2 基于SURF特征的立体匹配算法 | 第40-48页 |
| 4.2.1 SURF算法原理 | 第40-44页 |
| 4.2.2 基于KD-tree的特征匹配 | 第44-46页 |
| 4.2.3 特征点筛选 | 第46-47页 |
| 4.2.4 SURF特征实验结果 | 第47-48页 |
| 4.3 基于匹配代价结合的半全局立体匹配算法 | 第48-53页 |
| 4.3.1 结合灰度和梯度信息的匹配代价函数 | 第48-49页 |
| 4.3.2 能量函数优化 | 第49-51页 |
| 4.3.3 视差优化 | 第51-52页 |
| 4.3.4 实验结果及分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于图像的三维重建 | 第54-60页 |
| 5.1 实验环境搭建 | 第54-55页 |
| 5.1.1 实验器材 | 第54页 |
| 5.1.2 软件环境 | 第54-55页 |
| 5.2 Delaunay三角剖分 | 第55-56页 |
| 5.3 三维重建结果展示和分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 攻读硕士学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
