| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的主要研究工作 | 第15-16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 2 相关技术介绍 | 第18-29页 |
| 2.1 多视角几何成像基础 | 第18-23页 |
| 2.1.1 参考坐标系 | 第18-20页 |
| 2.1.2 投影几何基础 | 第20-23页 |
| 2.2 双目立体视觉成像原理 | 第23-26页 |
| 2.2.1 双目视差 | 第23-24页 |
| 2.2.2 运动视差 | 第24页 |
| 2.2.3 双目视觉成像 | 第24-26页 |
| 2.3 深度传感器成像原理 | 第26-28页 |
| 2.3.1 Kinect硬件介绍 | 第26-27页 |
| 2.3.2 Kinect成像原理 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 3 面向铁路线路视频的三维场景布局提取算法 | 第29-41页 |
| 3.1 三维场景布局研究现状 | 第29-30页 |
| 3.2 铁路线路空间场景布局 | 第30-38页 |
| 3.2.1 LSD直线检测 | 第31-33页 |
| 3.2.2 消失点检测 | 第33-35页 |
| 3.2.3 自动选择空间布局分界线 | 第35-36页 |
| 3.2.4 生成视频全景图 | 第36-38页 |
| 3.3 实验结果分析 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 4 面向铁路线路视频的深度估计方法及三维立体成像研究 | 第41-57页 |
| 4.1 深度估计方法研究现状 | 第41-42页 |
| 4.2 基于单张图像获取深度图方法 | 第42-46页 |
| 4.2.1 Kinect获得深度图 | 第43页 |
| 4.2.2 DMAG获得深度图 | 第43-46页 |
| 4.3 高速铁路视频的深度估计方法 | 第46-51页 |
| 4.3.1 确定候选数据集 | 第46-47页 |
| 4.3.2 图像匹配和转换 | 第47-48页 |
| 4.3.3 深度优化 | 第48-49页 |
| 4.3.4 获取含有运动物体视频的深度图 | 第49-51页 |
| 4.4 生成立体图 | 第51-53页 |
| 4.5 实验结果分析 | 第53-55页 |
| 4.5.1 单张图像实验结果 | 第53-54页 |
| 4.5.2 铁路视频实验结果 | 第54-55页 |
| 4.6 小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |