| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题目的与意义 | 第12页 |
| 1.2 国内外现状与发展趋势 | 第12-16页 |
| 1.2.1 WMSN节点视觉感知的研究现状综述 | 第12-14页 |
| 1.2.2 全向视感知技术的研究现状 | 第14-16页 |
| 1.3 全向视觉感知系统的关键技术 | 第16-17页 |
| 1.4 主要研究内容与章节安排 | 第17-19页 |
| 第2章 广角摄像机标定及畸变校正研究 | 第19-31页 |
| 2.1 相机成像模型 | 第19-21页 |
| 2.1.1 针孔模型 | 第20页 |
| 2.1.2 广角相机模型 | 第20-21页 |
| 2.2 广角相机的标定 | 第21-22页 |
| 2.3 广角图像的去畸变处理 | 第22-28页 |
| 2.3.1 基于多项式模型的校正方法 | 第23-25页 |
| 2.3.2 基于除法(DIVISION)模型的校正方法 | 第25-26页 |
| 2.3.3 基于直接求反函数的逆向除法模型 | 第26页 |
| 2.3.4 实验及效果分析 | 第26-28页 |
| 2.4 图像预处理 | 第28-30页 |
| 2.4.1 图像的旋转变换 | 第28-29页 |
| 2.4.2 图像的缩放变换 | 第29页 |
| 2.4.3 图像的透视变换 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 图像特征点检测与配准 | 第31-55页 |
| 3.1 特征点检测算法研究 | 第31-39页 |
| 3.1.1 基于SIFT的特征点检测算法 | 第31-35页 |
| 3.1.2 基于SURF的特征点检测算法 | 第35-39页 |
| 3.2 特征点匹配算法研究 | 第39-42页 |
| 3.2.1 基于K-D树的特征向量匹配算法 | 第39-41页 |
| 3.2.2 RANSAC算法 | 第41-42页 |
| 3.3 图像配准方法研究 | 第42-53页 |
| 3.3.1 基于全局单应性矩阵的配准方法 | 第42-44页 |
| 3.3.2 基于SPHP的图像配准方法 | 第44-48页 |
| 3.3.3 基于运动检测的图像配准方法 | 第48-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第4章 图像融合与亮度均衡算法研究 | 第55-65页 |
| 4.1 图像融合算法的研究 | 第55-57页 |
| 4.1.1 平均值法 | 第55-56页 |
| 4.1.2 加权平均法 | 第56-57页 |
| 4.2 全景图像亮度均衡化处理 | 第57-59页 |
| 4.2.1 基于直方图均衡化的亮度均衡 | 第57页 |
| 4.2.2 基于重叠区域的亮度均衡 | 第57-58页 |
| 4.2.3 基于特征点对的图像亮度均衡 | 第58-59页 |
| 4.3 实验及效果分析 | 第59-63页 |
| 4.3.1 图像融合实验及效果分析 | 第59-60页 |
| 4.3.2 图像亮度均衡实验及效果分析 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第5章 全向视觉感知实验系统构建及实时性优化 | 第65-79页 |
| 5.1 全向视觉感知系统硬件构建 | 第65-68页 |
| 5.1.1 i.MX6Q处理器 | 第65-66页 |
| 5.1.2 PCIE采集模块 | 第66-67页 |
| 5.1.3 图像处理模块 | 第67-68页 |
| 5.2 全向视觉感知系统软件设计 | 第68-71页 |
| 5.2.1 PC机环境构建及内核裁剪 | 第68-70页 |
| 5.2.2 嵌入式系统程序设计 | 第70-71页 |
| 5.3 系统架构及程序优化 | 第71-75页 |
| 5.3.1 图像采集及IPU硬件加速 | 第71-73页 |
| 5.3.2 软件代码及实时性优化 | 第73-75页 |
| 5.4 全向视觉感知实验及效果分析 | 第75-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |