基于图像的建筑三维重建与绘制
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 三维重建技术 | 第9-10页 |
| 1.1.2 基于图像的三维重建技术 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 第2章 基于SIFT算法的特征点检测与匹配 | 第16-24页 |
| 2.1 Harris算法 | 第16-17页 |
| 2.2 SUSAN算法 | 第17页 |
| 2.3 SIFT算法 | 第17-24页 |
| 2.3.1 SIFT算法主要特点 | 第17-18页 |
| 2.3.2 SIFT算法的实现 | 第18-24页 |
| 第3章 基于运动恢复的摄像机自标定 | 第24-40页 |
| 3.1 摄像机标定基础理论 | 第24-30页 |
| 3.1.1 坐标系 | 第24-28页 |
| 3.1.2 线性摄像机模型 | 第28-29页 |
| 3.1.3 非线性摄像机模型 | 第29-30页 |
| 3.2 摄像机标定方法 | 第30-40页 |
| 3.2.1 传统的摄像机标定方法 | 第30-34页 |
| 3.2.2 摄像机自标定 | 第34-40页 |
| 第4章 基于PMVS算法的三维重建 | 第40-48页 |
| 4.1 PMVS算法 | 第40-44页 |
| 4.1.1 PMVS算法流程 | 第41页 |
| 4.1.2 基本定义 | 第41-44页 |
| 4.2 PMVS算法重建过程 | 第44-48页 |
| 第5章 基于随机抽样一致性算法的错配剔除 | 第48-56页 |
| 5.1 错配剔除算法 | 第48-52页 |
| 5.1.1 基于不变因子的剔除SIFT误配点方法 | 第48页 |
| 5.1.2 双向匹配算法 | 第48-49页 |
| 5.1.3 随机抽样一致性算法 | 第49-52页 |
| 5.2 利用随机抽样一致性算法进行错配剔除 | 第52-56页 |
| 第6章 基于图像的建筑三维重建实现 | 第56-67页 |
| 6.1 建筑物图像的采集 | 第56-57页 |
| 6.2 用SIFT算法进行特征点检测与匹配 | 第57-59页 |
| 6.3 用Bundler算法进行摄像机自标定 | 第59-63页 |
| 6.4 用PMVS算法生成稠密的三维点云 | 第63-67页 |
| 第7章 总结与展望 | 第67-69页 |
| 7.1 论文总结 | 第67-68页 |
| 7.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间发表的学术论文和研究成果 | 第72-73页 |
| 致谢 | 第73页 |
