| 第一章 绪论 | 第1-10页 |
| 1． 1 引言 | 第6页 |
| 1．2 立体视觉系统及理论 | 第6-8页 |
| 1．3 选题背景及文献综述 | 第8-10页 |
| 1．3．1 选题背景 | 第8页 |
| 1．3．2 文献综述 | 第8-10页 |
| 第二章 相关数学基础及立体视觉理论 | 第10-24页 |
| 2．1 引言 | 第10页 |
| 2．2 矩阵的奇异值分解 | 第10-11页 |
| 2．2．1 矩阵的奇异值 | 第10页 |
| 2．2．2 奇异值分解定理 | 第10-11页 |
| 2．2．3 奇异值分解的计算方法 | 第11页 |
| 2．3 矩阵扰动分析 | 第11-14页 |
| 2．3．1 概述 | 第11-12页 |
| 2．3．2 线性最小二乘问题扰动理论 | 第12-14页 |
| 2．4 不确定性基础 | 第14-16页 |
| 2．4．1 概述 | 第14页 |
| 2．4．2 多维不确定性分析 | 第14-16页 |
| 2．5 立体成像模型 | 第16-19页 |
| 2．5．1 透镜成像模型 | 第16-17页 |
| 2．5．2 双目成像的基本原理 | 第17-19页 |
| 2．6 摄像机模型及极线约束 | 第19-23页 |
| 2．6．1 摄像机模型 | 第19-21页 |
| 2．6．2 极线约束 | 第21-23页 |
| 2．7 本章小结 | 第23-24页 |
| 第三章 基于梯度场相似性和邻域膨胀的匹配算法 | 第24-40页 |
| 3．1 引言 | 第24页 |
| 3．2 SUSAN角点检测 | 第24-27页 |
| 3．2．1 引言 | 第24-25页 |
| 3．2．2 角点检测原则 | 第25-27页 |
| 3．3 匹配策略提出的渊源 | 第27-29页 |
| 3．4 Scott和Longuet-Higgins算法及其改进 | 第29-30页 |
| 3．4．1 Scott和Longuet-Higgins算法 | 第29-30页 |
| 3．4．2 Scott和Longuet—Higgins算法的改进 | 第30页 |
| 3．5 匹配算法的实现 | 第30-39页 |
| 3．5．1 算法总体思路 | 第31-32页 |
| 3．5．2 匹配算法的具体实现 | 第32-36页 |
| 3．5．3 仿真结果 | 第36-39页 |
| 3．6 结论 | 第39页 |
| 3．7 本章小结 | 第39-40页 |
| 第4章 基于双目图像3D重建的不确定性研究 | 第40-44页 |
| 4．1 引言 | 第40页 |
| 4．2 重建不确定性分析 | 第40-43页 |
| 4．2．1 重建扰动分析模型 | 第40-41页 |
| 4．2．2 扰动分析模型 | 第41-42页 |
| 4．2．3 扰动分析 | 第42-43页 |
| 4．3 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5．1 论文总结 | 第44页 |
| 5．2 工作展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |
