計算機(jī)雙目立體視覺

第1章  計算機(jī)視覺研究概述
  1.1  主動測距技術(shù)
  1.2  被動測距技術(shù)
    1.2.1  單目視覺
    1.2.2  雙目視覺
    1.2.3  三多目視覺
  參考文獻(xiàn)
第2章  相機(jī)標(biāo)定
  2.1  相機(jī)成像模型
    2.1.1  參考坐標(biāo)系
    2.1.2  針孔模型
    2.1.3  畸變模型
  2.2  相機(jī)標(biāo)定算法概述
    2.2.1  DLT法的原理
    2.2.2  Tsai的兩步法的原理
    2.2.3  Z Zhang的平面模板兩步法的原理
  2.3  相機(jī)的預(yù)標(biāo)定
    2.3.1  一種快速準(zhǔn)確的標(biāo)定特征點存儲算法
    2.3.2  改進(jìn)的相機(jī)光心計算方法
    2.3.3  實驗結(jié)果與分析
  2.4  改進(jìn)的兩步標(biāo)定算法
    2.4.1  基于三維重投影誤差的Tsai兩步法
    2.4.2  考慮多個畸變系數(shù)的仿DLT兩步法
    2.4.3  基于進(jìn)化計算的仿DLT兩步法
    2.4.4  實驗結(jié)果與分析
  參考文獻(xiàn)
第3章  對極幾何及其恢復(fù)方法
  3.1  雙目視覺的對極幾何
    3.1.1  成像模型
    3.1.2  基礎(chǔ)矩陣
    3.1.3  基礎(chǔ)矩陣的求解方法
  3.2  對極幾何的離線恢復(fù)
    3.2.1  簡單背景下的恢復(fù)
    3.2.2  復(fù)雜背景下的恢復(fù)
    3.2.3  實驗結(jié)果與分析
  3.3  對極幾何的在線恢復(fù)
    3.3.1  基于成像幾何的圖像坐標(biāo)約束證明
    3.3.2  基于圖像坐標(biāo)約束的稀疏匹配算法
    3.3.3  魯棒稀疏匹配算法
    3.3.4  實驗結(jié)果與分析
  3.4  圖像極線校正算法概述
  3.5  基于基礎(chǔ)矩陣的校正算法
    3.5.1  校正算法原理
    3.5.2  實驗結(jié)果與分析
  參考文獻(xiàn)
第4章  稠密匹配
  4.1  稠密匹配算法概述
  4.2  局部最優(yōu)化匹配算法
    4.2.1  基于灰度互相關(guān)的匹配算法
    4.2.2  基于Ce us變換的匹配算法
  4.3  全局最優(yōu)化匹配算法
    4.3.1  基于特征約束的快速匹配算法
    4.3.2  基于圖論最小切割的匹配算法
    4.3.3  改進(jìn)的基于圖論最小切割的匹配算法
    4.3.4  實驗結(jié)果與分析
  4.4  誤匹配的去除方法
    4.4.1  圖像灰度均衡算法
    4.4.2  基于視差均值的濾波算法
    4.4.3  基于真實控制點的視差濾波算法
    4.4.4  實驗結(jié)果與分析
  參考文獻(xiàn)
第5章  三維重建
  5.1  三維重建算法概述
  5.2  基于歐氏空間的場景三維點云計算方法
    5.2.1  立體成像幾何法
    5.2.2  最小二乘法
  5.3  基于OpenGL的三維顯示方法
    5.3.1  坐標(biāo)系的轉(zhuǎn)換與統(tǒng)一
    5.3.2  三角剖分與紋理粘貼
  5.4  三維重建軟件結(jié)構(gòu)
    5.4.1  三維重建流程
    5.4.2  雙相機(jī)標(biāo)定模塊
    5.4.3  圖像匹配模塊
    5.4.4  三維重建顯示模塊
  5.5  實驗結(jié)果與分析
  參考文獻(xiàn)
第6章  雙目視覺的特例及應(yīng)用
  6.1  光軸垂直的雙目視覺測距系統(tǒng)
    6.1.1  測距模型推導(dǎo)
    6.1.2  測距結(jié)果與分析
  6.2  基于平行雙目視覺的星球漫游車人機(jī)交互系統(tǒng)
    6.2.1  星球漫游車技術(shù)研究概述
    6.2.2  基于車體坐標(biāo)系的總體標(biāo)定方法
    6.2.3  漫游車的運動學(xué)建模
    6.2.4  基于平行雙目視覺的漫游車運動仿真研究
  參考文獻(xiàn)
結(jié)束語