| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 多传感器信息融合的关键技术的研究现状 | 第10-15页 |
| 1.2.1 激光与可见光传感器标定算法及研究现状 | 第10-11页 |
| 1.2.2 红外与可见光图像配准算法及研究现状 | 第11-13页 |
| 1.2.3 红外与可见光图像融合算法及研究现状 | 第13-14页 |
| 1.2.4 基于光流的运动物体检测以及三维重建算法及研究现状 | 第14-15页 |
| 1.3 论文的章节安排 | 第15-16页 |
| 第2章 基于直线自动检测的激光与可见光传感器的外部标定 | 第16-29页 |
| 2.1 摄像机标定模型 | 第16-18页 |
| 2.2 激光数据处理 | 第18-20页 |
| 2.3 基于直线自动检测的激光与可见光的外部标定方法 | 第20-28页 |
| 2.3.1 激光扫描仪与可见光的外部标定 | 第21-25页 |
| 2.3.2 实验结果 | 第25-26页 |
| 2.3.3 精度分析 | 第26-28页 |
| 2.4 结论 | 第28-29页 |
| 第3章 基于对应区域的红外与可见光图像配准 | 第29-47页 |
| 3.1 红外和可见光图像配准参数的讨论 | 第29-34页 |
| 3.1.1 红外与可见光图像配准时旋转和缩放参数的讨论 | 第30-32页 |
| 3.1.2 红外与可见光图像配准时平移参数的讨论 | 第32-34页 |
| 3.2 基于模板的离线粗配准 | 第34-36页 |
| 3.2.1 粗配准 | 第34-35页 |
| 3.2.2 对应区域的求解实验 | 第35-36页 |
| 3.3 基于对应区域的精配准 | 第36-38页 |
| 3.3.1 Harris角点检测 | 第36-37页 |
| 3.3.2 R-MI-rényi与Harris角点值相结合的匹配测度 | 第37-38页 |
| 3.3.3 实现步骤 | 第38页 |
| 3.4 实验 | 第38-46页 |
| 3.4.1 评价标准 | 第38-39页 |
| 3.4.2 自然图库实验 | 第39-43页 |
| 3.4.3 标准图库实验 | 第43-46页 |
| 3.5 结论 | 第46-47页 |
| 第4章 基于NSCT和PCNN的红外与可见光图像融合 | 第47-62页 |
| 4.1 图像预处理 | 第47页 |
| 4.2 红外和可见光图像融合方法 | 第47-50页 |
| 4.2.1 非下采样Contourlet变换 | 第47-49页 |
| 4.2.2 模块化PCNN模型 | 第49-50页 |
| 4.3 小波变换与PCNN补偿机制的NSCT域红外与可见光图像融合 | 第50-55页 |
| 4.3.1 小波变换和PCNN补偿机制的融合方法 | 第51页 |
| 4.3.2 低频融合规则 | 第51-53页 |
| 4.3.3 高频融合规则 | 第53页 |
| 4.3.4 融合步骤 | 第53-55页 |
| 4.4 实验与分析 | 第55-61页 |
| 4.4.1 实验一 | 第56-58页 |
| 4.4.2 实验二 | 第58-61页 |
| 4.5 结论 | 第61-62页 |
| 第5章 基于多传感器信息融合的目标检测系统 | 第62-71页 |
| 5.1 多传感器信息采集平台 | 第62页 |
| 5.2 基于多传感器信息融合的目标分割与三维重建技术路线 | 第62-64页 |
| 5.3 实验 | 第64-70页 |
| 5.3.1 实验一 | 第64-67页 |
| 5.3.2 实验二 | 第67-70页 |
| 5.4 结论 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 附录硕士期间发表论文以及参加科研项目情况 | 第78-79页 |
| 发表论文 | 第78页 |
| 参加项目 | 第78-79页 |
| 致谢 | 第79页 |
