摘要 | 第4-6页 |
Abstract | 第6-7页 |
第—章 绪论 | 第13-18页 |
1.1 研究背景及意义 | 第13页 |
1.2 相关工作研究现状 | 第13-15页 |
1.2.1 三维场景的视点评价 | 第13-15页 |
1.2.2 二维图片的质量评价 | 第15页 |
1.3 本文工作 | 第15-18页 |
1.3.1 研究流程 | 第16-17页 |
1.3.2 主要贡献 | 第17-18页 |
第二章 单一场景的大规模视点标定 | 第18-46页 |
2.1 场景数据的获取 | 第18-19页 |
2.1.1 场景模型来源 | 第18-19页 |
2.1.2 场景实拍图片来源 | 第19页 |
2.2 背景介绍 | 第19-21页 |
2.2.1 针孔相机模型 | 第19-21页 |
2.2.2 图像视点描述约定 | 第21页 |
2.3 直接线性变换视点标定 | 第21-27页 |
2.3.1 方程的建立和求解 | 第22-23页 |
2.3.2 分解内外参数 | 第23-24页 |
2.3.3 左手系和OpenGL | 第24-25页 |
2.3.4 从内参数到投影矩阵 | 第25-26页 |
2.3.5 直接线性变换标定效果 | 第26-27页 |
2.3.6 缺点和不足 | 第27页 |
2.4 大规模视点标定方法 | 第27-46页 |
2.4.1 Structure from Motion | 第28-37页 |
2.4.2 模型校准 | 第37-42页 |
2.4.3 过程总结 | 第42-43页 |
2.4.4 大规模标定算法的效果展示 | 第43-46页 |
第三章 著名场景的视点挖掘 | 第46-52页 |
3.1 从外参数中提取视点信息 | 第46-47页 |
3.2 视点可视化 | 第47页 |
3.3 基于相机参数聚类 | 第47-52页 |
第四章 建筑照片质量评价 | 第52-69页 |
4.1 评价数据来源 | 第52-53页 |
4.1.1 众包数据任务 | 第52-53页 |
4.2 特征提取 | 第53-61页 |
4.2.1 二维图像特征 | 第53-56页 |
4.2.2 三维几何特征 | 第56-59页 |
4.2.3 渲染计算框架 | 第59-61页 |
4.3 视点学习 | 第61-63页 |
4.3.1 AUC度量 | 第62-63页 |
4.4 实验结果 | 第63-69页 |
4.4.1 在每个模型上分别使用交叉验证 | 第63页 |
4.4.2 特征显著性分析 | 第63页 |
4.4.3 在所有数据集上进行交叉验证 | 第63页 |
4.4.4 使用单独的测试集验证 | 第63-69页 |
第五章 总结与展望 | 第69-71页 |
5.1 工作总结 | 第69-70页 |
5.2 研究展望 | 第70-71页 |
参考文献 | 第71-75页 |
简历与科研成果 | 第75-76页 |
致谢 | 第76-77页 |