摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 全景三维跟踪概述 | 第11-15页 |
1.1.1 全景视觉简介 | 第11-13页 |
1.1.2 立体视觉简介 | 第13-14页 |
1.1.3 全景三维跟踪的意义 | 第14页 |
1.1.4 全景三维跟踪要解决的问题 | 第14-15页 |
1.2 研究现状 | 第15-17页 |
1.2.1 全景跟踪概述与研究现状 | 第15-16页 |
1.2.2 全景立体视觉概述与研究现状 | 第16-17页 |
1.3 本文结构与贡献 | 第17-19页 |
1.3.1 本文组织结构 | 第17-18页 |
1.3.2 贡献与创新 | 第18-19页 |
第2章 双目球形摄像机模型的构建 | 第19-33页 |
2.1 球形摄像机模型的研究 | 第19-23页 |
2.1.1 针孔摄像机成像模型 | 第19-21页 |
2.1.2 基于多摄像机系统构建球形摄像机模型 | 第21-23页 |
2.2 双目球形摄像机模型的结构 | 第23-26页 |
2.2.1 垂直和水平结构的研究 | 第23-25页 |
2.2.2 双目球形摄像机模型垂直结构的构建 | 第25-26页 |
2.3 双目球形摄像机模型的标定 | 第26-27页 |
2.3.1 摄像机标定方法 | 第26-27页 |
2.3.2 双目球形摄像机模型的标定方法 | 第27页 |
2.4 实验结果与分析 | 第27-31页 |
2.4.1 双目球形摄像机模型标定结果 | 第27-30页 |
2.4.2 球形全景图的生成 | 第30-31页 |
2.5 本章小结 | 第31-33页 |
第3章 球形全景图立体匹配算法的研究 | 第33-51页 |
3.1 SURF算法 | 第33-37页 |
3.1.1 SURF算法的特征点检测 | 第33-36页 |
3.1.2 特征描述子的生成 | 第36-37页 |
3.2 球面SURF算法 | 第37-42页 |
3.2.1 球面SURF算法特征点的检测 | 第37-39页 |
3.2.2 球面SURF描述子的生成 | 第39-41页 |
3.2.3 描述子的匹配 | 第41-42页 |
3.3 球形摄像机模型的对极几何理论 | 第42-45页 |
3.3.1 针孔摄像机对极几何理论 | 第42-43页 |
3.3.2 球形摄像机模型的对极几何理论 | 第43-44页 |
3.3.3 基于对极几何和RANSAC的去误匹配 | 第44-45页 |
3.4 实验结果与分析 | 第45-49页 |
3.5 本章小结 | 第49-51页 |
第4章 快速准确的目标跟踪算法的研究 | 第51-67页 |
4.1 基于压缩感知的特征提取算法 | 第51-56页 |
4.1.1 压缩感知理论 | 第51-53页 |
4.1.2 基于压缩感知的特征提取方法 | 第53-56页 |
4.2 基于时空约束的MIL Boosting目标检测算法 | 第56-61页 |
4.2.1 目标检测与分类器模型 | 第56-57页 |
4.2.2 基于MIL Boosting的分类器组合算法 | 第57-59页 |
4.2.3 基于时空约束的MIL Boosting目标检测算法实现 | 第59-61页 |
4.3 跟踪算法整体构建 | 第61-62页 |
4.4 实验结果与分析 | 第62-66页 |
4.5 本章小结 | 第66-67页 |
第5章 球形全景图三维跟踪的研究 | 第67-81页 |
5.1 基于双目球形摄像机模型的三维信息获取 | 第67-71页 |
5.1.1 双目摄像机模型的三维信息计算方法 | 第67-69页 |
5.1.2 基于双目球形摄像机模型三维信息获取的研究 | 第69-71页 |
5.2 全景三维跟踪的研究 | 第71-73页 |
5.2.1 目标跟踪算法在球形全景图上的改进 | 第71-72页 |
5.2.2 基于球形全景图的目标跟踪与三维信息获取的融合 | 第72-73页 |
5.3 实验结果与分析 | 第73-79页 |
5.3.1 全景三维信息计算实验与分析 | 第73-75页 |
5.3.2 全景跟踪实验与分析 | 第75-77页 |
5.3.3 全景三维跟踪实验与分析 | 第77-79页 |
5.4 本章小结 | 第79-81页 |
第6章 总结与展望 | 第81-83页 |
6.1 总结 | 第81-82页 |
6.2 展望 | 第82-83页 |
参考文献 | 第83-89页 |
致谢 | 第89-91页 |
攻读硕士期间发表的论文和获得的奖励 | 第91页 |