基于双目立体视觉的轿车车型识别与车身建模
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 轿车车型识别研究现状 | 第9-11页 |
| 1.2.2 双目立体视觉研究现状 | 第11-12页 |
| 1.3 论文主要内容和创新点 | 第12-13页 |
| 1.4 文章结构安排 | 第13-15页 |
| 2 双目立体视觉基本理论与相机标定 | 第15-24页 |
| 2.1 双目立体视觉的处理流程 | 第15-16页 |
| 2.2 坐标系转换 | 第16-18页 |
| 2.3 双目立体视觉建模原理 | 第18-20页 |
| 2.4 相机标定 | 第20-23页 |
| 2.4.1 单目相机标定 | 第20-21页 |
| 2.4.2 双目立体标定 | 第21页 |
| 2.4.3 相机标定实验 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于卷积神经网络的轿车型号识别 | 第24-36页 |
| 3.1 数据收集及预处理 | 第24-26页 |
| 3.2 VGG_16 神经网络模型 | 第26-28页 |
| 3.3 多尺度多反馈车型识别网络模型 | 第28-31页 |
| 3.3.1 输入层和输出层设计 | 第29页 |
| 3.3.2 激活函数设计 | 第29-31页 |
| 3.3.3 卷积核设计 | 第31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 实验平台 | 第31-32页 |
| 3.4.2 参数调整 | 第32页 |
| 3.4.3 结果与分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于改进的最小生成树立体匹配算法 | 第36-49页 |
| 4.1 立体匹配的基本流程 | 第36-38页 |
| 4.2 基于最小生成树的立体匹配算法 | 第38-40页 |
| 4.2.1 最小生成树算法的具体步骤 | 第38-39页 |
| 4.2.2 现有最小生成树立体匹配方法存在的问题 | 第39-40页 |
| 4.3 结合视差范围估计的匹配代价计算 | 第40-43页 |
| 4.4 实验结果对比与分析 | 第43-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 轿车车型识别与车身建模实验 | 第49-57页 |
| 5.1 车型识别与车身建模流程 | 第49页 |
| 5.2 图像数据采集 | 第49-51页 |
| 5.3 车型识别实验 | 第51-52页 |
| 5.3.1 汽车检测模块 | 第51页 |
| 5.3.2 汽车车型识别模块 | 第51-52页 |
| 5.4 轿车车身建模 | 第52-56页 |
| 5.4.1 图像预处理 | 第52-53页 |
| 5.4.2 车身建模及点云显示 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 后记 | 第63-64页 |
| 攻读学位期间取得的科研成果清单 | 第64页 |
