神经网络在立体视觉关键技术中的分析与研究
| 独创性说明 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·立体视觉概述 | 第10-13页 |
| ·立体视觉的理论框架 | 第10页 |
| ·立体视觉中的主要技术 | 第10-11页 |
| ·国内外立体视觉的发展现状 | 第11-13页 |
| ·本文主要工作 | 第13-14页 |
| 2 对立体视觉中摄像机标定原理与方法的研究 | 第14-25页 |
| ·数码相机成像的几何模型 | 第14-17页 |
| ·坐标系的定义 | 第14-16页 |
| ·成像关系的推导 | 第16-17页 |
| ·摄像机标定方法的分类 | 第17-24页 |
| ·传统标定 | 第17-18页 |
| ·自标定 | 第18-22页 |
| ·基于主动视觉的自标定 | 第22-24页 |
| ·小结 | 第24-25页 |
| 3 对立体视觉中神经网络的研究 | 第25-36页 |
| ·神经网络与计算机视觉 | 第25-26页 |
| ·人工神经网络的模型与算法 | 第26-30页 |
| ·人工神经网络的结构 | 第26-29页 |
| ·人工神经网络的学习规则 | 第29-30页 |
| ·BP网络模型 | 第30-32页 |
| ·Hopfield网络模型 | 第32-35页 |
| ·小结 | 第35-36页 |
| 4 神经网络在匹配中的分析与应用 | 第36-51页 |
| ·立体匹配 | 第36-43页 |
| ·匹配方法的分类 | 第36-37页 |
| ·匹配的约束条件 | 第37-38页 |
| ·基于Hopfield网络的匹配 | 第38-41页 |
| ·Hopfield网络匹配的改进 | 第41-43页 |
| ·特征点提取 | 第43-50页 |
| ·常用算法 | 第43-47页 |
| ·边缘检测算子的选取 | 第47-50页 |
| ·小结 | 第50-51页 |
| 5 神经网络在标定中的分析与应用 | 第51-66页 |
| ·双目视觉测量原理 | 第51页 |
| ·现有神经网络标定方法的的问题与不足 | 第51-55页 |
| ·BP网络的设计问题 | 第52-54页 |
| ·BP网络的限制与不足 | 第54-55页 |
| ·神经网络标定方法的改进 | 第55-58页 |
| ·针对提高网络泛化能力的改进方法 | 第55-57页 |
| ·作用函数后缩 | 第57-58页 |
| ·神经网络在标定中的应用方式 | 第58-60页 |
| ·利用神经网络指导映射过程 | 第58页 |
| ·BP网络与传统方法的结合 | 第58-60页 |
| ·实验及比较 | 第60-62页 |
| ·利用OpenGL显示 | 第62-65页 |
| ·小结 | 第65-66页 |
| 6 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
| 大连理工大学学位论文版权使用授权书 | 第73页 |
