基于视觉的车辆四周立体物体检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状和应用 | 第12-14页 |
| 1.3 本文主要研究内容和创新点 | 第14-16页 |
| 第2章 坐标系及相机标定 | 第16-24页 |
| 2.1 坐标系建立 | 第16-18页 |
| 2.1.1 三大坐标系 | 第16-18页 |
| 2.2 坐标系变换 | 第18-20页 |
| 2.2.1 世界坐标系到相机坐标系 | 第18-19页 |
| 2.2.2 相机坐标系到理想图像物理坐标系 | 第19页 |
| 2.2.3 图像物理坐标系到图像像素坐标系 | 第19-20页 |
| 2.3 相机标定 | 第20-23页 |
| 2.3.1 张氏标定法 | 第22页 |
| 2.3.2 相机内参数矩阵求解 | 第22-23页 |
| 2.4 本章总结 | 第23-24页 |
| 第3章 基于单目三维重建的立体物体检测 | 第24-40页 |
| 3.1 立体视觉 | 第24-28页 |
| 3.1.1 双目立体视觉 | 第24-25页 |
| 3.1.2 单目立体视觉 | 第25-28页 |
| 3.2 基础矩阵 | 第28-29页 |
| 3.2.1 基础矩阵估算方法 | 第28-29页 |
| 3.2.2 对极几何估算基础矩阵 | 第29页 |
| 3.3 本质矩阵 | 第29-30页 |
| 3.4 特征点检测及匹配 | 第30-35页 |
| 3.4.1 特征点检测 | 第30-33页 |
| 3.4.2 特征点匹配 | 第33-35页 |
| 3.5 三角形法重构 | 第35-36页 |
| 3.5.1 线性三角法 | 第35-36页 |
| 3.5.2 全局最小值三角形法 | 第36页 |
| 3.6 序列图三维重建 | 第36-37页 |
| 3.7 实验结果 | 第37-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第4章 基于极线约束的立体物体检测 | 第40-48页 |
| 4.1 极线约束提取立体物体特征点 | 第40-41页 |
| 4.1.1 绝对差和特征点精确匹配 | 第40-41页 |
| 4.1.2 极线约束 | 第41页 |
| 4.2 立体物体标记 | 第41-44页 |
| 4.2.1 相机视场划分 | 第43-44页 |
| 4.2.2 标记融合 | 第44页 |
| 4.3 全景中车辆四周立体物体标记 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 移植 | 第48-57页 |
| 5.1 软硬件开发平台 | 第48-51页 |
| 5.1.1 硬件性能指标 | 第48-49页 |
| 5.1.2 开发环境 | 第49-51页 |
| 5.2 算法移植 | 第51-56页 |
| 5.2.1 图像预处理 | 第52-53页 |
| 5.2.2 硬件加速 | 第53-55页 |
| 5.2.3 OpenCV库的移植 | 第55页 |
| 5.2.4 应用程序移植 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 总结和展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
