视频序列中高精度场景姿态变化检测
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·场景姿态匹配及运动估计模型方法综述 | 第9-12页 |
| ·场景姿态匹配方法综述 | 第9-11页 |
| ·运动估计场景结构方法综述 | 第11-12页 |
| ·论文的研究内容及结构安排 | 第12页 |
| ·论文的主要贡献 | 第12-13页 |
| 2 角点检测 | 第13-20页 |
| ·Harris角点检测算法 | 第13-17页 |
| ·边缘检测算子与高斯滤波 | 第13-14页 |
| ·Harris算法原理 | 第14-15页 |
| ·Harris角点检测的算法步骤 | 第15-16页 |
| ·Harris算法的改进 | 第16页 |
| ·Harris算法实验结果 | 第16-17页 |
| ·Susan角点检测算法 | 第17-19页 |
| ·Susan算法原理 | 第17-18页 |
| ·Susan算法步骤 | 第18-19页 |
| ·Susan算法实验结果 | 第19页 |
| ·本章算法总结 | 第19-20页 |
| 3 角点匹配 | 第20-35页 |
| ·基于相关匹配的目标跟踪算法 | 第20-23页 |
| ·相似性测度 | 第20-21页 |
| ·互相关算法步骤 | 第21-22页 |
| ·互相关算法实验结果 | 第22-23页 |
| ·LMA匹配算法 | 第23-29页 |
| ·透视变换 | 第23-24页 |
| ·利用LMA算法解变换矩阵 | 第24-26页 |
| ·改进后的LMA算法步骤 | 第26-27页 |
| ·LMA算法实验结果 | 第27-29页 |
| ·角点的平滑 | 第29-34页 |
| ·一维状态向量的卡尔曼滤波 | 第30-31页 |
| ·一般状态向量的卡尔曼更新公式 | 第31页 |
| ·前向-后向平滑 | 第31-32页 |
| ·双向卡尔曼滤波算法步骤 | 第32页 |
| ·前向-后向滤波实验结果 | 第32-34页 |
| ·本章算法步骤 | 第34-35页 |
| 4 高精度场景姿态变化检测 | 第35-51页 |
| ·投影几何基础 | 第35-37页 |
| ·投影空间和投影子空间 | 第35页 |
| ·投影/变换 | 第35-36页 |
| ·多视点间的几何关系 | 第36-37页 |
| ·从对应两幅图像估计运动和投影结构 | 第37-38页 |
| ·几何场景重构 | 第37页 |
| ·代数运动估计 | 第37-38页 |
| ·从多幅图像恢复运动和投影结构 | 第38-44页 |
| ·透视投影和透视模型 | 第39-40页 |
| ·奇异值分解(SVD) | 第40-41页 |
| ·分解因子算法(QR分解算法) | 第41-44页 |
| ·随机采样一致算法(RANSAC) | 第44-45页 |
| ·RANSAC算法的基本思想 | 第44-45页 |
| ·本文中RANSAc算法的应用 | 第45页 |
| ·分段线形仿射 | 第45-48页 |
| ·分段线形仿射的基本原理 | 第46-47页 |
| ·分段线形仿射实验结果 | 第47-48页 |
| ·本章算法总结 | 第48-51页 |
| ·算法步骤 | 第48-50页 |
| ·算法流程图 | 第50-51页 |
| 5 实验结果与分析 | 第51-66页 |
| ·互相关算法中基准帧的选取 | 第51-57页 |
| ·互相关算法与LMA算法的实验结果及比较 | 第57-59页 |
| ·分解因子法实验结果 | 第59-65页 |
| ·直接分解因子算法 | 第59-63页 |
| ·应用RANSAC算法 | 第63-65页 |
| ·实验小结 | 第65-66页 |
| 6 总结和展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
