| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题来源与主要研究内容 | 第13-15页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 课题主要研究内容 | 第13-15页 |
| 第二章 虚拟立体视觉测量系统原理与结构设计 | 第15-25页 |
| 2.1 立体视觉测量系统 | 第15-19页 |
| 2.2 虚拟立体视觉测量系统 | 第19-22页 |
| 2.2.1 虚拟立体视觉测量系统原理 | 第19-20页 |
| 2.2.2 虚拟立体视觉测量系统结构参数的确定 | 第20-21页 |
| 2.2.3 虚拟立体视觉测量系统的数学模型 | 第21-22页 |
| 2.3 虚拟立体视觉测量系统结构设计 | 第22-24页 |
| 2.3.1 有效视场的计算 | 第22-23页 |
| 2.3.2 反射镜参数的计算 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 虚拟立体视觉测量系统的标定 | 第25-42页 |
| 3.1 虚拟立体视觉测量系统内参数校准 | 第25-30页 |
| 3.1.1 相机内参数模型 | 第25-27页 |
| 3.1.2 传统相机内参数校准方法 | 第27-28页 |
| 3.1.3 非参数模型相机内参数校准方法 | 第28-30页 |
| 3.2 采用BP神经网络的相机内参数校准方法 | 第30-33页 |
| 3.2.1 BP神经网络模型分析 | 第31页 |
| 3.2.2 校准点的确定及训练样本的获取 | 第31-32页 |
| 3.2.3 BP神经网络内参数校准模型 | 第32-33页 |
| 3.3 虚拟立体视觉测量系统外参数标定 | 第33-36页 |
| 3.3.1 虚拟立体视觉测量系统外参数模型 | 第34-35页 |
| 3.3.2 虚拟立体视觉测量系统外参数标定方法 | 第35-36页 |
| 3.4 相机内参校准实验及分析 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 航空发动机尾气流场散斑测量立体匹配方法 | 第42-55页 |
| 4.1 基于区域灰度的散斑测量立体匹配方法 | 第42-44页 |
| 4.2 基于特征的散斑测量立体匹配方法 | 第44-47页 |
| 4.3 基于KLT算法的散斑测量立体匹配方法 | 第47-49页 |
| 4.3.1 KLT算法在立体匹配中的可行性分析 | 第47-48页 |
| 4.3.2 立体匹配中KLT数学模型建立 | 第48-49页 |
| 4.4 基于改进KLT算法的散斑测量立体匹配方法 | 第49-52页 |
| 4.4.1 图像金字塔实现散斑点立体匹配 | 第49页 |
| 4.4.2 基于MBE的误匹配删除方法 | 第49-50页 |
| 4.4.3 外极线约束 | 第50-52页 |
| 4.5 散斑测量立体匹配实验 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 航空发动机尾气流场散斑测量的实现 | 第55-64页 |
| 5.1 虚拟立体视觉测量系统立体匹配方法验证实验 | 第55-62页 |
| 5.1.1 虚拟立体视觉测量系统标定实验 | 第56-58页 |
| 5.1.2 虚拟立体视觉测量系统立体匹配结果及分析 | 第58-62页 |
| 5.2 航空发动机尾气流场散斑测量验证实验 | 第62-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 后续展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 作者简介 | 第72页 |