摘要 | 第1-4页 |
Abstract | 第4-14页 |
1 引言 | 第14-27页 |
·国内外研究现状 | 第14-16页 |
·机器视觉关键技术研究 | 第14-16页 |
·基于机器视觉的奶牛体型线性评定技术研究 | 第16页 |
·特征点检测算法研究状况 | 第16-20页 |
·特征点检测准则 | 第16-17页 |
·特征点检测方法 | 第17-20页 |
·特征点匹配算法研究状况 | 第20-22页 |
·特征点匹配算法分类 | 第20-21页 |
·特征点匹配算法比较 | 第21-22页 |
·相机标定研究状况 | 第22-24页 |
·存在问题 | 第24页 |
·选题意义及研究内容 | 第24-26页 |
·研究意义 | 第24-25页 |
·研究目标及内容 | 第25-26页 |
·小结 | 第26-27页 |
2 射影几何与相机成像模型 | 第27-42页 |
·概述 | 第27页 |
·射影几何基本概念 | 第27-30页 |
·二维空间 | 第30-34页 |
·二维空间的层次结构 | 第30-33页 |
·二维射影空间中的元素 | 第33-34页 |
·三维空间 | 第34-37页 |
·三维空间的层次结构 | 第34-36页 |
·三维射影空间中的元素 | 第36-37页 |
·相机成像模型 | 第37-41页 |
·透视投影 | 第38页 |
·坐标系变换 | 第38-39页 |
·图像的像素化 | 第39页 |
·空间点成像过程 | 第39-40页 |
·成像矩阵表示形式 | 第40-41页 |
·小结 | 第41-42页 |
3 图像预处理 | 第42-52页 |
·图像格式转换 | 第42-46页 |
·图像彩色空间 | 第42-44页 |
·图像格式转换 | 第44-46页 |
·图像增强与平滑 | 第46-51页 |
·小结 | 第51-52页 |
4 HARRIS 算法的研究与改进 | 第52-68页 |
·HARRIS算法概述 | 第52页 |
·基于HARRIS算法的特征点检测 | 第52-54页 |
·算法原理 | 第52-53页 |
·算法步骤 | 第53-54页 |
·基于相似性度量的特征点匹配 | 第54-56页 |
·由对极几何关系确定基本矩阵 | 第54-55页 |
·由相似性度量方法匹配特征点 | 第55-56页 |
·改进的基于图像分块的多尺度HARRIS算法的特征点检测 | 第56页 |
·算法原理 | 第56页 |
·算法步骤 | 第56页 |
·实验结果与分析 | 第56-67页 |
·简单场景下算法比较 | 第57-63页 |
·复杂场景下算法比较 | 第63-65页 |
·改进算法检测结果在图像特征点匹配中的应用 | 第65-67页 |
·小结 | 第67-68页 |
5 SIFT 算法的研究与改进 | 第68-87页 |
·SIFT 算法概述 | 第68页 |
·基于SIFT 算法的特征点检测 | 第68-76页 |
·算法原理 | 第68-69页 |
·算法步骤 | 第69-76页 |
·基于欧氏距离的特征点匹配 | 第76-77页 |
·算法原理 | 第76页 |
·算法步骤 | 第76-77页 |
·改进的匹配算法 | 第77页 |
·实验结果与分析 | 第77-86页 |
·原SIFT 算法特征点检测与匹配 | 第77-82页 |
·改进的SIFT 算法特征点检测与匹配 | 第82-86页 |
·小结 | 第86-87页 |
6 相机标定方法研究与改进 | 第87-103页 |
·相机标定基础知识 | 第87-88页 |
·传统相机标定方法 | 第88-91页 |
·DLT 变换标定方法 | 第88-89页 |
·RAC 标定方法 | 第89-90页 |
·张正友平面标定方法 | 第90页 |
·孟胡标定方法 | 第90-91页 |
·吴等标定方法 | 第91页 |
·主动视觉标定方法 | 第91-92页 |
·相机自标定 | 第92页 |
·传统相机标定的实现 | 第92-95页 |
·由标定模板采集图像 | 第93页 |
·传统标定步骤 | 第93-95页 |
·计算相机参数 | 第95页 |
·改进的自动标定算法 | 第95-100页 |
·标定模板的制作和图像采集 | 第95-96页 |
·自动标定算法与步骤 | 第96-100页 |
·实验结果与分析 | 第100-102页 |
·相机标定实验 | 第100-101页 |
·图像幅数对标定结果的影响 | 第101-102页 |
·小结 | 第102-103页 |
7 结论与展望 | 第103-105页 |
致谢 | 第105-106页 |
参考文献 | 第106-116页 |
作者简介 | 第116页 |