基于移动机器人的环境多视角立体重建技术
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11页 |
| 1.2 研究领域与技术支持 | 第11-14页 |
| 1.2.1 计算机视觉 | 第11-13页 |
| 1.2.2 计算机视觉的发展与前景 | 第13页 |
| 1.2.3 OpenCV | 第13-14页 |
| 1.3 常见的三维模型重建方法 | 第14-19页 |
| 1.3.1 使用激光测距仪的方法 | 第14-15页 |
| 1.3.2 双目立体视觉重建的方法 | 第15-16页 |
| 1.3.3 空间雕刻的方法 | 第16-18页 |
| 1.3.4 其他三维重建方法 | 第18-19页 |
| 1.4 主要研究内容 | 第19-21页 |
| 第二章 摄像机模型与标定 | 第21-33页 |
| 2.1 摄像机标定意义 | 第21页 |
| 2.2 摄像机模型 | 第21-24页 |
| 2.2.1 四个常用坐标系 | 第21-23页 |
| 2.2.2 针孔成像模型 | 第23页 |
| 2.2.3 透镜畸变 | 第23-24页 |
| 2.3 标定 | 第24-27页 |
| 2.3.1 旋转矩阵与平移向量 | 第24-25页 |
| 2.3.2 罗德里格斯变换 | 第25页 |
| 2.3.3 单应性 | 第25-27页 |
| 2.4 未知参数个数 | 第27-28页 |
| 2.5 张正友标定法 | 第28-30页 |
| 2.6 运动轨迹计算 | 第30-31页 |
| 2.7 代码实例 | 第31页 |
| 2.8 本章小结 | 第31-33页 |
| 第三章 SFM与三维重建 | 第33-51页 |
| 3.1 来自运动的结构 | 第33-34页 |
| 3.1.1 SFM的概念 | 第33页 |
| 3.1.2 SFM的应用 | 第33-34页 |
| 3.2 立体成像 | 第34-39页 |
| 3.2.1 三角测量 | 第34-35页 |
| 3.2.2 対极几何 | 第35-36页 |
| 3.2.3 本征矩阵和基础矩阵 | 第36-39页 |
| 3.3 富特征点匹配 | 第39-43页 |
| 3.3.1 尺度不变特征变换匹配法 | 第39-40页 |
| 3.3.2 使用加速稳健特征匹配法 | 第40-41页 |
| 3.3.3 使用光流法 | 第41-43页 |
| 3.4 基础矩阵F的求解与SVD分解 | 第43-45页 |
| 3.5 三维重建 | 第45-46页 |
| 3.6 重构与优化 | 第46-47页 |
| 3.7 使用PCL可视化 | 第47-50页 |
| 3.7.1 PCL点云库 | 第47-48页 |
| 3.7.2 PCL的可视化 | 第48-50页 |
| 3.8 本章小结 | 第50-51页 |
| 第四章 综合与实验 | 第51-65页 |
| 4.1 综合 | 第51-52页 |
| 4.2 基于OpenCV的摄像机标定 | 第52-58页 |
| 4.3 运动轨迹的计算 | 第58-60页 |
| 4.4 立体多视角重建 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结 | 第65-67页 |
| 5.1 主要研究工作 | 第65页 |
| 5.2 主要创新 | 第65-66页 |
| 5.3 进一步工作的展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
