运动重建中的因子化方法研究
| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 符号说明 | 第16-18页 |
| 第1章 绪论 | 第18-29页 |
| ·SFM的发展及分类 | 第18-23页 |
| ·运动重建中因子化方法的技术难点 | 第23页 |
| ·本文主要研究内容 | 第23-26页 |
| ·本文贡献 | 第26-27页 |
| ·本文组织 | 第27-29页 |
| 第2章 运动重建中的因子化方法分类 | 第29-50页 |
| ·引言 | 第29页 |
| ·因子化方法的基本原理 | 第29-35页 |
| ·摄像机模型 | 第29-31页 |
| ·因子化方法的基本原理 | 第31-35页 |
| ·基于不同摄像机模型的因子化方法 | 第35-42页 |
| ·基于仿射摄像机模型的因子化方法 | 第37-40页 |
| ·基于透视摄像机模型的因子化方法 | 第40-42页 |
| ·基于不同特征的因子化方法 | 第42-45页 |
| ·线特征的仿射因子化方法 | 第42-43页 |
| ·基于线特征的透视因子化方法 | 第43-44页 |
| ·广义点和线段 | 第44-45页 |
| ·多目标体因子化方法 | 第45-47页 |
| ·柔性体的因子化方法 | 第47-48页 |
| ·小结 | 第48-50页 |
| 第3章 基于梯度统计的特征匹配算法 | 第50-61页 |
| ·引言 | 第50-51页 |
| ·特征区域匹配的总体框架 | 第51-52页 |
| ·特征区域描述子 | 第52-57页 |
| ·实验 | 第57-60页 |
| ·小结 | 第60-61页 |
| 第4章 秩约束多帧特征对应算法 | 第61-85页 |
| ·引言 | 第61-62页 |
| ·多帧偏移矩阵子空间约束 | 第62-68页 |
| ·相关概念 | 第62-63页 |
| ·基于光亮度的子空间约束 | 第63-67页 |
| ·丢失数据情况下的问题描述 | 第67页 |
| ·丢失数据项的恢复 | 第67-68页 |
| ·算法细节描述 | 第68-77页 |
| ·投影到低秩矩阵 | 第70-72页 |
| ·选择可靠特征点集进行有效偏移估计 | 第72-73页 |
| ·构建基矩阵K | 第73-75页 |
| ·线性求解未知参量L | 第75-77页 |
| ·实验 | 第77-83页 |
| ·小结 | 第83-85页 |
| 第5章 基于子空间的鲁棒射影重建方法 | 第85-117页 |
| ·引言 | 第85-86页 |
| ·子空间方法 | 第86-88页 |
| ·子空间包含度量 | 第87-88页 |
| ·问题形式 | 第88页 |
| ·鲁棒估计低维线性子空间(RPCA)方法 | 第88-93页 |
| ·增广Lagrange乘子方法 | 第89-90页 |
| ·求解RPCA的增广Lagrange乘子法 | 第90-92页 |
| ·估计主奇异空间的维度 | 第92-93页 |
| ·算法步骤 | 第93-96页 |
| ·估计秩4结构矩阵 | 第94页 |
| ·射影深度估计 | 第94-96页 |
| ·实验 | 第96-116页 |
| ·2D重投影误差的性能 | 第96-97页 |
| ·3D误差的性能 | 第97页 |
| ·算法收敛 | 第97页 |
| ·模拟数据试验 | 第97-100页 |
| ·恐龙三角网格数据试验 | 第100-116页 |
| ·小结 | 第116-117页 |
| 第6章 总结与展望 | 第117-121页 |
| ·本文主要工作总结 | 第117-119页 |
| ·未来工作进展 | 第119-121页 |
| 附录A 奇异值分解(SVD)的去噪能力 | 第121-123页 |
| 附录B 块矩阵的逆推导 | 第123-124页 |
| 附录C 算法5-3的收敛证明 | 第124-126页 |
| 附录D 数据序列的有界性证明 | 第126-128页 |
| 参考文献 | 第128-136页 |
| 致谢 | 第136-137页 |
| 攻读学位期间发表的学术论文目录 | 第137-138页 |
| 攻读学位期间参与科研项目情况 | 第138-140页 |
| 学位论文评阅及答辩情况表 | 第140-142页 |
| 附录 英文论文 | 第142-168页 |
