单目视觉图像深度测量方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 选题背景与意义 | 第13-14页 |
| 1.2 图像深度测量的分类与应用 | 第14-16页 |
| 1.2.1 图像深度测量的分类 | 第14-15页 |
| 1.2.2 图像深度测量的应用 | 第15-16页 |
| 1.3 深度测量方法简介 | 第16-18页 |
| 1.4 图像深度测量的线索 | 第18-22页 |
| 1.5 本文内容安排 | 第22-23页 |
| 1.6 本文主要创新点 | 第23-25页 |
| 第2章 基于运动视差和基于散焦的深度测量综述 | 第25-37页 |
| 2.1 基于运动视差的深度测量方法 | 第25-30页 |
| 2.1.1 视差测距的基本原理 | 第25-26页 |
| 2.1.2 经典光流场运动估计算法思想 | 第26-27页 |
| 2.1.3 视差测距的国内外研究现状 | 第27-30页 |
| 2.1.4 存在的问题与改进思路 | 第30页 |
| 2.2 基于散焦的深度测量方法 | 第30-37页 |
| 2.2.1 散焦测距的基本原理 | 第30-32页 |
| 2.2.2 经典散焦测距算法思想 | 第32-33页 |
| 2.2.3 散焦测距的国内外研究现状 | 第33-36页 |
| 2.2.4 存在的问题与改进思路 | 第36-37页 |
| 第3章 基于熵和Hu矩的静态物体绝对深度测量方法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 基本原理与流程 | 第37-40页 |
| 3.3 图像分割方法的选用 | 第40-43页 |
| 3.3.1 图像分割方法的分类与分析 | 第41-42页 |
| 3.3.2 基于LBF模型的图像分割方法 | 第42-43页 |
| 3.4 物体图像的匹配 | 第43-47页 |
| 3.4.1 物体像的熵 | 第43-44页 |
| 3.4.2 加权Hu氏不变矩 | 第44-45页 |
| 3.4.3 匹配判定 | 第45-47页 |
| 3.5 实验 | 第47-53页 |
| 3.5.1 实验数据的获取 | 第47-48页 |
| 3.5.2 实验过程 | 第48-51页 |
| 3.5.3 实验结果 | 第51-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第4章 基于特征的物体绝对深度自动测量方法 | 第55-75页 |
| 4.1 引言 | 第55-56页 |
| 4.2 基本原理与流程 | 第56-57页 |
| 4.3 SIFT特征点的提取与匹配 | 第57-60页 |
| 4.3.1 尺度空间极值点的检测 | 第57-59页 |
| 4.3.2 关键点位置的确定 | 第59页 |
| 4.3.3 关键点的一个或多个方向的确定 | 第59页 |
| 4.3.4 关键点的描述 | 第59-60页 |
| 4.3.5 SIFT特征点的匹配 | 第60页 |
| 4.4 图像中物体的匹配 | 第60-61页 |
| 4.5 用于计算深度的直线段的选取 | 第61-65页 |
| 4.5.1 测量误差理论分析 | 第61-64页 |
| 4.5.2 降低时间复杂度 | 第64页 |
| 4.5.3 选择一对直线段的算法 | 第64-65页 |
| 4.6 实验 | 第65-72页 |
| 4.6.1 实验过程 | 第65-67页 |
| 4.6.2 实验结果 | 第67-72页 |
| 4.7 本章小结 | 第72-75页 |
| 第5章 基于小波分析的单幅图像相对深度测量方法 | 第75-91页 |
| 5.1 引言 | 第75-76页 |
| 5.2 基本原理 | 第76-78页 |
| 5.3 边缘点处散焦半径的测量算法 | 第78-80页 |
| 5.4 稀疏深度图的获取 | 第80-84页 |
| 5.4.1 算法流程 | 第80页 |
| 5.4.2 判别与修正 | 第80-84页 |
| 5.5 稠密深度图的构建 | 第84页 |
| 5.6 实验 | 第84-89页 |
| 5.6.1 实验过程 | 第84-87页 |
| 5.6.2 实验结果 | 第87-89页 |
| 5.7 本章小结 | 第89-91页 |
| 第6章 总结与展望 | 第91-93页 |
| 6.1 主要工作与创新点 | 第91-92页 |
| 6.2 进一步研究展望 | 第92-93页 |
| 参考文献 | 第93-105页 |
| 致谢 | 第105-107页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第107-108页 |
