| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题研究目的和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 双目立体视觉的研究现状 | 第12-13页 |
| 1.2.2 立体匹配算法的研究现状 | 第13-14页 |
| 1.2.3 目前立体匹配技术面临的难题 | 第14-15页 |
| 1.2.4 基于视觉的行人检测系统研究现状 | 第15-16页 |
| 1.3 主要研究内容及组织结构 | 第16-19页 |
| 第2章 双目视觉与立体匹配算法研究 | 第19-33页 |
| 2.1 摄像机成像模型 | 第19-21页 |
| 2.1.1 摄像机成像模型坐标系统 | 第19-20页 |
| 2.1.2 坐标系统转换 | 第20-21页 |
| 2.2 双目立体视觉系统 | 第21-28页 |
| 2.2.1 双目立体成像结构 | 第21-25页 |
| 2.2.2 双目立体视觉系统标定 | 第25-26页 |
| 2.2.3 双目立体视觉系统校正 | 第26-28页 |
| 2.3 立体匹配算法 | 第28-32页 |
| 2.3.1 立体匹配算法基本原理 | 第28-29页 |
| 2.3.2 双目立体匹配算法步骤 | 第29-30页 |
| 2.3.3 局部立体匹配算法 | 第30-31页 |
| 2.3.4 全局立体匹配算法 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于互尺度双边滤波的遮挡检测填充匹配算法 | 第33-45页 |
| 3.1 互尺度代价聚合算法 | 第33-37页 |
| 3.1.1 匹配代价计算 | 第33页 |
| 3.1.2 内尺度下代价聚合框架构建 | 第33-34页 |
| 3.1.3 加入正则化项的互尺度框架 | 第34-36页 |
| 3.1.4 基于双边滤波的变窗口代价聚合 | 第36-37页 |
| 3.2 视差细化算法 | 第37-40页 |
| 3.2.1 可疑区域生长算法 | 第37-39页 |
| 3.2.2 基于颜色相似性的视差填充算法 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-43页 |
| 3.3.1 Middlebury平台算法准确性分析 | 第40-42页 |
| 3.3.2 实际场景测试分析 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于最小生成树优化的全局匹配算法 | 第45-61页 |
| 4.1 最小生成树构建算法 | 第45-48页 |
| 4.1.1 Prim算法 | 第45-47页 |
| 4.1.2 Kruskal算法 | 第47-48页 |
| 4.2 基于最小生成树的代价聚合框架 | 第48-50页 |
| 4.2.1 基于树结构的边权求取 | 第48页 |
| 4.2.2 基于树结构的代价聚合 | 第48-50页 |
| 4.3 基于八邻接最小分支树结构的构建 | 第50-56页 |
| 4.3.1 最小分支树结构 | 第50-53页 |
| 4.3.2 分割区域聚合 | 第53-54页 |
| 4.3.3 八邻接分支树结构建立 | 第54-56页 |
| 4.4 实验结果与分析 | 第56-58页 |
| 4.4.1 算法复杂度分析 | 第56页 |
| 4.4.2 Middlebury平台算法准确性分析 | 第56-58页 |
| 4.5 本章小结 | 第58-61页 |
| 第5章 基于双目立体视觉的行人检测 | 第61-77页 |
| 5.1 基于双目立体视觉的行人检测系统 | 第61-63页 |
| 5.2 双目立体图像的采集、标定、校正 | 第63-69页 |
| 5.2.1 双目图像采集 | 第63-65页 |
| 5.2.2 双目成像系统标定 | 第65-68页 |
| 5.2.3 双目成像系统校正 | 第68-69页 |
| 5.3 基于深度分层的目标提取算法 | 第69-74页 |
| 5.3.1 基于互尺度的盒式滤波快速匹配算法 | 第69-72页 |
| 5.3.2 深度图分层处理 | 第72-73页 |
| 5.3.3 形态学处理及目标轮廓提取 | 第73-74页 |
| 5.4 本章小结 | 第74-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |