| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 文章主要内容及章节安排 | 第12-14页 |
| 第2章 摄像机标定技术的研究 | 第14-28页 |
| 2.1 摄像机模型 | 第14-18页 |
| 2.1.1 坐标系 | 第14-16页 |
| 2.1.2 摄像机模型 | 第16-18页 |
| 2.2 摄像机标定方法分类 | 第18页 |
| 2.3 基于改进的BP神经网络的摄像机标定方法 | 第18-24页 |
| 2.3.1 BP神经网络 | 第19-22页 |
| 2.3.2 基于改进的BP神经网络的摄像机标定的设计 | 第22-24页 |
| 2.4 实验仿真及结果 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 图像的预处理及特征点检测 | 第28-38页 |
| 3.1 图像预处理流程 | 第28-32页 |
| 3.1.1 图像去噪 | 第29-30页 |
| 3.1.2 消除图像对的亮度差异 | 第30页 |
| 3.1.3 图像锐化 | 第30-32页 |
| 3.2 实验结果仿真 | 第32-34页 |
| 3.3 图像特征点的检测 | 第34-37页 |
| 3.3.1 角点检测 | 第35页 |
| 3.3.2 Harris角点检测 | 第35-37页 |
| 3.4 角点检测实验仿真 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 立体匹配算法的研究 | 第38-53页 |
| 4.1 立体匹配的综述 | 第38-42页 |
| 4.1.1 立体匹配基元的选取 | 第38-39页 |
| 4.1.2 立体匹配的约束准则 | 第39页 |
| 4.1.3 相似性测度函数 | 第39-41页 |
| 4.1.4 立体匹配算法的分类 | 第41-42页 |
| 4.2 基于多种相似性测度融合的动态规划立体匹配算法 | 第42-49页 |
| 4.2.1 多种相似性测度的融合 | 第43-45页 |
| 4.2.2 基于快速引导滤波的代价聚合 | 第45-47页 |
| 4.2.3 视差优化 | 第47-48页 |
| 4.2.4 视差细化 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 三维重建算法的研究 | 第53-67页 |
| 5.1 空间点的Delaunay三角剖分重建 | 第53-57页 |
| 5.1.1 三维空间坐标的获取 | 第53-55页 |
| 5.1.2 Delaunay三角剖分 | 第55-56页 |
| 5.1.3 基于改进的Delaunay三角剖分算法的空间点重建 | 第56-57页 |
| 5.2 三维重建的实现 | 第57-61页 |
| 5.2.1 图像获取 | 第58页 |
| 5.2.2 图像预处理和特征点提取 | 第58-59页 |
| 5.2.3 图像的立体匹配和三维重建 | 第59-61页 |
| 5.3 实验过程及结果 | 第61-66页 |
| 5.3.1 硬件构成和软件环境 | 第61-62页 |
| 5.3.2 实验过程及结果 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |
