首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于双目立体视觉的轨道入侵物识别技术研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
l 引言第12-20页
    1.1 背景与意义第12-13页
    1.2 国内外研究现状第13-18页
        1.2.1 国内异物侵限研究现状第13-15页
        1.2.2 国外异物侵限研究现状第15-18页
    1.3 论文主要创新点第18页
    1.4 本文研究框架第18-20页
2 图像预处理第20-42页
    2.1 基于暗原色先验的图像去雾霾第20-28页
        2.1.1 获取暗原色先验信息第21-22页
        2.1.2 建立物理模型第22页
        2.1.3 物理模型反演第22页
        2.1.4 试验结果与分析第22-28页
    2.2 铁轨提取第28-40页
        2.2.1 常用的边缘检测算子第28-30页
        2.2.2 数学形态学处理第30-33页
        2.2.3 概率霍夫变换第33-35页
        2.2.4 试验结果与分析第35-40页
    2.3 二维侵限范围界定第40-41页
        2.3.1 二维侵限范围定义第40页
        2.3.2 试验结果与分析第40-41页
    2.4 本章小结第41-42页
3 基于二维平面的异物侵限判定第42-58页
    3.1 前景提取算法第42-45页
        3.1.1 经典前景提取算法第42-43页
        3.1.2 算法效果对比试验第43-45页
    3.2 基于VIBE算法的目标检测第45-50页
        3.2.1 ViBe前景提取算法第45-46页
        3.2.2 ViBe算法参数值确定试验第46-49页
        3.2.3 试验结果与分析第49-50页
    3.3 基于改进ViBE算法的目标检测第50-52页
        3.3.1 问题分析第50-51页
        3.3.2 改进方法第51页
        3.3.3 试验结果与分析第51-52页
    3.4 基于KCF的入侵物跟踪第52-55页
        3.4.1 KCF算法原理第53-54页
        3.4.2 试验结果与分析第54-55页
    3.5 二维平面内异物入侵判定第55-57页
        3.5.1 目标定位第55-56页
        3.5.2 入侵行为判定第56-57页
    3.6 本章小结第57-58页
4 基于双目立体视觉的场景三维重建第58-81页
    4.1 立体视觉基本原理第58-63页
        4.1.1 坐标系定义第58-60页
        4.1.2 坐标系变换第60-62页
        4.1.3 双目相机模型第62-63页
    4.2 相机标定第63-68页
        4.2.1 相机标定常用方法第63-64页
        4.2.2 单目相机标定试验第64-66页
        4.2.3 双目相机标定试验第66-68页
    4.3 图像校正第68-72页
        4.3.1 畸变校正第68-69页
        4.3.2 极线校正第69-70页
        4.3.3 试验结果与分析第70-72页
    4.4 立体匹配第72-75页
        4.4.1 匹配基元和匹配约束第73-74页
        4.4.2 基于BM的立体匹配第74页
        4.4.3 试验结果与分析第74-75页
    4.5 三维重建第75-80页
        4.5.1 场景三维重建第75-78页
        4.5.2 双目测距试验结果与分析第78-80页
    4.6 本章小结第80-81页
5 三维空间内异物侵限研究第81-93页
    5.1 三维空间内目标跟踪与定位第81-85页
        5.1.1 目标跟踪定位第81-83页
        5.1.2 三维空间运动轨迹绘制第83-85页
    5.2 三维空间内入侵行为判定第85-88页
        5.2.1 确定三维空间立体限界第85-87页
        5.2.2 入侵行为判定第87-88页
    5.3 入侵物大小估计第88-92页
    5.4 本章小结第92-93页
6 结论第93-94页
参考文献第94-99页
学位论文数据集第99页

论文共99页,点击 下载论文
上一篇:基于LSTM融合多CNN的事件图像分类研究
下一篇:BIM技术在大型工程项目成本管理中的应用研究