| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究重点与难点 | 第15-16页 |
| 1.4 论文主要工作与结构安排 | 第16-19页 |
| 第2章 双目视觉及立体匹配原理 | 第19-33页 |
| 2.1 双目立体视觉步骤 | 第19-20页 |
| 2.2 双目立体视觉原理 | 第20-25页 |
| 2.2.1 摄像机成像原理及坐标变换 | 第20-23页 |
| 2.2.2 极线约束 | 第23页 |
| 2.2.3 立体校正 | 第23-24页 |
| 2.2.4 双目视觉深度感知原理 | 第24-25页 |
| 2.3 立体匹配步骤和算法分类 | 第25-28页 |
| 2.3.1 立体匹配步骤 | 第25-27页 |
| 2.3.2 立体匹配算法分类 | 第27-28页 |
| 2.4 立体匹配算法评测方法与平台 | 第28-30页 |
| 2.5 本章小结 | 第30-33页 |
| 第3章 基于卷积神经网络的立体匹配算法 | 第33-51页 |
| 3.1 神经网络 | 第33-39页 |
| 3.1.1 人工神经网络概述 | 第33-34页 |
| 3.1.2 激活函数 | 第34-37页 |
| 3.1.3 前向计算 | 第37-38页 |
| 3.1.4 反向传播 | 第38-39页 |
| 3.2 卷积神经网络 | 第39-44页 |
| 3.2.1 局部连接 | 第40-41页 |
| 3.2.2 权值共享 | 第41-42页 |
| 3.2.3 卷积层 | 第42-43页 |
| 3.2.4 池化层 | 第43-44页 |
| 3.3 基于卷积神经网络的立体匹配算法 | 第44-47页 |
| 3.3.1 特征提取 | 第44-45页 |
| 3.3.2 代价卷构造 | 第45-46页 |
| 3.3.3 代价卷优化 | 第46页 |
| 3.3.4 视差优化 | 第46-47页 |
| 3.4 改进的网络结构 | 第47-49页 |
| 3.4.1 模型结构 | 第47-48页 |
| 3.4.2 实验结果分析 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 多尺度和多层特征融合的卷积神经网络立体匹配方法 | 第51-59页 |
| 4.1 模型整体结构 | 第51-52页 |
| 4.2 多尺度特征提取 | 第52-54页 |
| 4.3 多层特征融合 | 第54-55页 |
| 4.4 视差计算 | 第55-56页 |
| 4.5 模型训练与测试 | 第56页 |
| 4.6 实验结果 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间论文发表及科研情况 | 第67-69页 |
| 致谢 | 第69页 |