| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 计算机双目立体视觉概述 | 第8-9页 |
| 1.2 课题研究的目的意义 | 第9-10页 |
| 1.3 课题研究的现状及发展水平 | 第10-11页 |
| 1.4 课题研究的内容及工作 | 第11-13页 |
| 1.5 本文章节安排 | 第13-14页 |
| 2 摄像机的标定 | 第14-24页 |
| 2.1 坐标系和相机模型 | 第14-18页 |
| 2.1.1 图像像素坐标系、摄像机坐标系和世界坐标系 | 第14-16页 |
| 2.1.2 线性摄像机模型 | 第16-18页 |
| 2.2 摄像机标定方法 | 第18-19页 |
| 2.2.1 传统标定方法 | 第18-19页 |
| 2.2.2 自标定方法 | 第19页 |
| 2.3 双目视觉的摄像机标定 | 第19-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 双目视觉的特征提取 | 第24-38页 |
| 3.1 特征点提取 | 第24-27页 |
| 3.1.1 Moravec 算子 | 第24-25页 |
| 3.1.2 SUSAN 算子 | 第25页 |
| 3.1.3 Harris 算子 | 第25-26页 |
| 3.1.4 SIFT 算子 | 第26-27页 |
| 3.2 边缘特征提取 | 第27-32页 |
| 3.2.1 Roberts 边缘检测算子 | 第27页 |
| 3.2.2 Sobel 边缘检测算子 | 第27-28页 |
| 3.2.3 Prewitt 边缘检测算子 | 第28页 |
| 3.2.4 Laplacian of Gaussian(LOG)边缘检测算子 | 第28-29页 |
| 3.2.5 Canny 边缘检测算子 | 第29-31页 |
| 3.2.6 边缘检测算子实验对比分析 | 第31-32页 |
| 3.3 PCA-SIFT 算法的特征提取 | 第32-34页 |
| 3.3.1 尺度空间极值点检测与定位 | 第33页 |
| 3.3.2 指定特征点方向及生成特征描述子 | 第33-34页 |
| 3.4 改进的特征提取算法及性能分析 | 第34-37页 |
| 3.4.1 改进 PCA-SIFT 算法的特征提取 | 第34-35页 |
| 3.4.2 改进算法的性能分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 双目视觉的立体匹配 | 第38-48页 |
| 4.1 立体匹配技术 | 第39-42页 |
| 4.1.1 特征空间 | 第39-40页 |
| 4.1.2 相似性度量 | 第40页 |
| 4.1.3 搜索空间 | 第40-41页 |
| 4.1.4 搜索策略 | 第41-42页 |
| 4.2 万有引力搜索算法的介绍 | 第42-44页 |
| 4.2.1 万有引力搜索算法思想 | 第42-43页 |
| 4.2.2 GSA 在立体匹配中的重要参数 | 第43页 |
| 4.2.3 万有引力搜索算法的适应度函数 | 第43-44页 |
| 4.3 改进的匹配算法 | 第44-47页 |
| 4.3.1 改进万有引力搜索算法的立体匹配 | 第44页 |
| 4.3.2 改进匹配算法的流程 | 第44-45页 |
| 4.3.3 改进匹配算法性能分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 深度信息恢复及系统的实现 | 第48-56页 |
| 5.1 三维重建技术 | 第48-51页 |
| 5.1.1 空间点重建 | 第48-49页 |
| 5.1.2 空间直线重建 | 第49-51页 |
| 5.2 实验实现 | 第51-54页 |
| 5.2.1 摄像机参数的标定 | 第51-52页 |
| 5.2.2 改进算法的特征点提取和立体匹配的实验结果 | 第52-53页 |
| 5.2.3 三维深度的计算 | 第53-54页 |
| 5.3 本章小结 | 第54-56页 |
| 6 结论 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 研究成果 | 第64页 |
