基于视频序列的三维模型重建研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文的研究内容和组织结构 | 第13-15页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文整体结构安排 | 第14-15页 |
| 第二章 三维重建理论基础 | 第15-25页 |
| 2.1 常用坐标系 | 第15-17页 |
| 2.1.1 图像坐标系 | 第15-16页 |
| 2.1.2 摄像机坐标系 | 第16-17页 |
| 2.1.3 世界坐标系 | 第17页 |
| 2.2 相机模型 | 第17-19页 |
| 2.3 双视几何 | 第19-22页 |
| 2.3.1 对极几何 | 第19-20页 |
| 2.3.2 基础矩阵及其求解 | 第20-21页 |
| 2.3.3 本质矩阵求解运动参数 | 第21-22页 |
| 2.4 相机标定 | 第22-24页 |
| 2.4.1 传统的相机标定方法 | 第22-23页 |
| 2.4.2 相机自标定方法 | 第23-24页 |
| 2.5 本章总结 | 第24-25页 |
| 第三章 视频图像处理基础 | 第25-38页 |
| 3.1 图像特征提取 | 第25-33页 |
| 3.1.1 Moravec角点检测子 | 第25-27页 |
| 3.1.2 Harris角点检测子 | 第27-29页 |
| 3.1.3 SIFT尺度不变性特征 | 第29-33页 |
| 3.2 图像匹配 | 第33-35页 |
| 3.2.1 归一化互相关匹配算法 | 第33-34页 |
| 3.2.2 最近邻匹配算法 | 第34-35页 |
| 3.3 鲁棒性估计 | 第35-37页 |
| 3.3.1 改进的8点法求解基础矩阵 | 第35-36页 |
| 3.3.2 RANSAC鲁棒性估计 | 第36-37页 |
| 3.3.3 非线性优化 | 第37页 |
| 3.4 本章总结 | 第37-38页 |
| 第四章 点云模型重建 | 第38-49页 |
| 4.1 SFM重建过程 | 第38-42页 |
| 4.1.1 求解相机内参数 | 第38-40页 |
| 4.1.2 求解相机外参数 | 第40页 |
| 4.1.3 匹配点三角定位 | 第40-41页 |
| 4.1.4 迭代优化 | 第41-42页 |
| 4.2 稠密点云重建 | 第42-48页 |
| 4.2.1 相关基础 | 第43页 |
| 4.2.2 初始特征匹配 | 第43-46页 |
| 4.2.3 种子点扩散 | 第46-47页 |
| 4.2.4 面片过滤 | 第47-48页 |
| 4.3 本章总结 | 第48-49页 |
| 第五章 改进的特征提取与特征匹配算法 | 第49-60页 |
| 5.1 改进的SIFT特征提取方法 | 第49-56页 |
| 5.1.1 构建尺度空间 | 第51-52页 |
| 5.1.2 精确定位尺度关键点 | 第52-53页 |
| 5.1.3 确定特征点主方向 | 第53页 |
| 5.1.4 生成新的特征点描述子 | 第53-56页 |
| 5.2 改进的K-D树最近邻匹配算法 | 第56-59页 |
| 5.3 本章总结 | 第59-60页 |
| 第六章 重建实验与分析 | 第60-76页 |
| 6.1 实验整体流程 | 第60-61页 |
| 6.2 改进的SIFT特征点提取与匹配 | 第61-68页 |
| 6.2.1 特征提取与匹配对比实验 | 第61-65页 |
| 6.2.2 鲁棒性估计 | 第65-68页 |
| 6.3 三维重建点云模型 | 第68-75页 |
| 6.4 本章总结 | 第75-76页 |
| 总结和展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83页 |
