基于双目视觉的三维重构与障碍检测
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 机器视觉的发展历史 | 第9-10页 |
| 1.3 机器视觉的系统组成 | 第10-12页 |
| 1.4 双目立体视觉的研究现状 | 第12-14页 |
| 1.4.1 双目立体视觉的特点与原理 | 第12-13页 |
| 1.4.2 双目立体视觉的应用与意义 | 第13-14页 |
| 1.5 本文的研究内容 | 第14-15页 |
| 第2章 立体视觉前处理过程 | 第15-37页 |
| 2.1 引言 | 第15页 |
| 2.2 相机标定 | 第15-24页 |
| 2.2.1 坐标系转换矩阵 | 第16-19页 |
| 2.2.2 相机标定实验 | 第19-24页 |
| 2.3 畸变矫正 | 第24-30页 |
| 2.3.1 镜头畸变系数 | 第24-26页 |
| 2.3.2 实验图片畸变矫正 | 第26-30页 |
| 2.4 图像噪声 | 第30-34页 |
| 2.4.1 噪声特性 | 第31-32页 |
| 2.4.2 抑制噪声 | 第32-34页 |
| 2.5 区域分割 | 第34-36页 |
| 2.5.1 边缘提取 | 第34-36页 |
| 2.5.2 形态学运算 | 第36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 立体匹配 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 立体匹配原理 | 第37-43页 |
| 3.2.1 视差与视差图 | 第37-38页 |
| 3.2.2 匹配影响因素 | 第38-40页 |
| 3.2.3 局部匹配与代价叠加 | 第40-42页 |
| 3.2.4 全局匹配与能量函数 | 第42-43页 |
| 3.3 opencv中的立体匹配 | 第43-51页 |
| 3.3.1 bm算法 | 第43-45页 |
| 3.3.2 gc算法 | 第45-48页 |
| 3.3.3 sgbm算法 | 第48-51页 |
| 3.4 基于插值方式的视差图优化 | 第51-54页 |
| 3.4.1 传统插值方法 | 第51-53页 |
| 3.4.2 改进的视差图优化法 | 第53-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 目标测距与三维重构 | 第55-67页 |
| 4.1 引言 | 第55页 |
| 4.2 障碍位置检测 | 第55-62页 |
| 4.2.1 基于视差特性的区域分割 | 第55-57页 |
| 4.2.2 基于几何特征的地面干扰去除方法 | 第57-59页 |
| 4.2.3 障碍数据误差分析 | 第59-62页 |
| 4.3 拍摄场景信息重建 | 第62-66页 |
| 4.3.1 二维图像拼接 | 第62-64页 |
| 4.3.2 三维点云融合 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 运动小车障碍测距实验 | 第67-73页 |
| 5.1 实验系统硬件信息 | 第67-68页 |
| 5.2 实验方案设计 | 第68-69页 |
| 5.3 软件界面简介 | 第69-70页 |
| 5.4 障碍测量结果与分析 | 第70-72页 |
| 5.5 本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79页 |
