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

LiDAR点云约束下的多视影像密集匹配与融合方法研究

论文主要的创新点第6-10页
摘要第10-13页
ABSTRACT第13-15页
第1章 绪论第16-26页
    1.1 研究目的和意义第16-17页
    1.2 国内外相关研究现状第17-22页
    1.3 主要研究内容第22-24页
    1.4 论文组织第24-26页
第2章 基于单立体模型的多视影像密集匹配第26-66页
    2.1 引言第26页
    2.2 多约束的最优立体像对自动选择第26-31页
        2.2.1 基线约束第27-28页
        2.2.2 像平面法向量约束第28-29页
        2.2.3 特征匹配约束和交会角约束第29-31页
    2.3 基于图像引导的分级多步密集匹配算法第31-49页
        2.3.1 代价计算第32-34页
        2.3.2 基于图像引导的非局部滤波第34-40页
        2.3.3 基于非局部累积代价的半全局密集匹配(SGM)第40-41页
        2.3.4 分级匹配策略第41-48页
        2.3.5 基于图像引导的视差内插第48-49页
    2.4 试验结果第49-64页
        2.4.1 多约束的立体像对选择试验结果第49-51页
        2.4.2 基于图像引导的分级多步密集匹配试验结果第51-64页
    2.5 小结第64-66页
第3章 基于LiDAR点云辅助的密集匹配第66-89页
    3.1 引言第66-68页
    3.2 LiDAR控制图生成第68-70页
    3.3 LiDAR控制点弱“软约束”第70-72页
    3.4 LiDAR控制点强“软约束”第72-73页
    3.5 试验结果第73-88页
        3.5.1 LiDAR点云滤波试验第74-77页
        3.5.2 Tornoto地区LiDAR点云辅助密集匹配试验第77-82页
        3.5.3 Vaihingen地区LiDAR点云辅助密集匹配试验第82-88页
    3.6 小结第88-89页
第4章 LiDAR点云和密集匹配点云融合第89-95页
    4.1 引言第89页
    4.2 根据密集匹配点云检测LiDAR点云第89-90页
    4.3 根据LiDAR点云检测密集匹配点云第90页
    4.4 试验结果第90-94页
        4.4.1 根据匹配点云检测LiDAR点云试验第91-93页
        4.4.2 根据LiDAR点云检测匹配点云试验第93-94页
    4.5 小结第94-95页
第5章 LiDAR点云约束下的多视影像密集匹配与点云融合试验第95-104页
    5.1 引言第95页
    5.2 Tornoto地区多视匹配与点云融合试验第95-98页
        5.2.1 Tornoto地区试验数据描述第95-96页
        5.2.2 Tornoto地区密集匹配与点云融合试验第96-98页
    5.3 Vaihingen地区多视匹配点云融合试验第98-103页
        5.3.1 Vaihingen地区试验数据描述第98-100页
        5.3.2 Vaihingen地区密集匹配与点云融合试验第100-103页
    5.4 小结第103-104页
第6章 总结与展望第104-106页
参考文献第106-113页
攻读博士期间发表的论文和科研情况第113-115页
致谢第115页

论文共115页,点击 下载论文
上一篇:多源环境下实体一致性建模与真值发现
下一篇:水声局域网的接入协议与漫游切换机制研究