單目立體視覺技術(shù)及應(yīng)用

前言
第 1 章　單目立體視覺概述
1.1　單目立體視覺檢測系統(tǒng)
1.1.1　運動式單目立體視覺
1.1.2　變焦式單目立體視覺
1.1.3　采用平面鏡配合的單目立體視覺
1.1.4　采用棱鏡配合的單目立體視覺
1.1.5　采用曲面鏡配合的單目立體視覺
1.2　內(nèi)容安排
第 2 章　視覺圖像邊緣信息提取
2.1　邊緣的概念
2.2　傳統(tǒng)的邊緣檢測算子
2.3　小波變換模極大值多尺度邊緣檢測
2.3.1　小波變換的定義
2.3.2　小波變換模極大值檢測原理
2.3.3　數(shù)字圖像的多尺度邊緣提取算法
2.3.4　實驗結(jié)果
2.4　基于小波尺度相關(guān)的邊緣檢測
2.4.1　尺度相關(guān)檢測原理
2.4.2　相關(guān)系數(shù)的定義
2.4.3　圖像的小波尺度相關(guān)邊緣檢測
2.4.4　圖像的小波尺度相關(guān)檢測算法
2.5 Hough 變換進行直線特征檢測
2.5.1 Hough 變換原理
2.5.2　實驗
第 3 章　單目立體視覺測量模型
3.1　立體視覺測量原理
3.1.1　視差原理
3.1.2　雙攝像機立體視覺測量原理
3.2　平面鏡成像原理
3.3　單目立體視覺測量原理
3.4　單攝像機視覺傳感器成像分析
3.4.1　視場分析
3.4.2　精度分析
3.5　結(jié)構(gòu)參數(shù)尺寸設(shè)計
3.6　測量模型
3.6.1　雙攝像機立體視覺測量模型
3.6.2　單目立體視覺測量模型
3.7　器件的選取
3.7.1　圖像傳感器的選擇
3.7.2　鏡頭的選取
3.7.3　平面鏡的選擇
3.7.4　圖像采集卡
3.8　實驗結(jié)果與分析
3.8.1　實驗結(jié)果
3.8.2　誤差分析
第 4 章　單目立體視覺參數(shù)標(biāo)定
4.1　攝像機投影模型
4.1.1　攝像機成像的參考坐標(biāo)系
4.1.2　攝像機線性模型
4.1.3　攝像機非線性模型
4.1.4　需要標(biāo)定的攝像機參數(shù)
4.2　攝像機內(nèi)參數(shù)標(biāo)定方法
4.2.1　基于線性變換的攝像機標(biāo)定
4.2.2　基于徑向約束的攝像機標(biāo)定
4.2.3　張正友標(biāo)定法
4.2.4　液晶顯示器顯示標(biāo)定模板
4.2.5　實驗結(jié)果與分析
4.3　自標(biāo)定的內(nèi)參數(shù)標(biāo)定法
4.3.1　消失點和消失線理論
4.3.2　正交消失點的性質(zhì)
4.3.3　攝像機內(nèi)參數(shù)求解
4.3.4　仿真實驗
4.3.5　實物標(biāo)定實驗
4.4　單目立體視覺外參數(shù)標(biāo)定
4.4.1　單目立體視覺的數(shù)學(xué)模型
4.4.2　實驗結(jié)果與分析
第 5 章　單目立體視覺中的極線幾何及校正
5.1　雙目立體視覺的極線幾何
5.2　單目立體視覺的極線幾何
5.3　單目立體視覺圖像極線校正
5.3.1　單目立體視覺圖像極線校正理論
5.3.2　仿真實驗
5.3.3　實物實驗
第 6 章　單幅圖像的立體匹配
6.1　立體匹配算法概述
6.2　基于特征點的單幅圖像立體匹配
6.2.1 SIFT 檢測算法原理
6.2.2　基于 SIFT 算法的單幅圖像立體匹配
6.2.3 Harris 檢測算法原理
6.2.4　實驗結(jié)果
6.2.5 Harris 算法和 SIFT 算法的比較
6.2.6　在 SIFT 算法基礎(chǔ)上提出改進的算法
6.3　基于區(qū)域的單幅圖像立體匹配
6.3.1　基于區(qū)域的立體匹配概述
6.3.2　基于區(qū)域的 SAD 立體匹配算法
6.3.3　基于區(qū)域的 SAD 立體匹配實驗
6.4　基于極線約束的線結(jié)構(gòu)光條的立體匹配
6.4.1　線結(jié)構(gòu)光條的提取
6.4.2　圖像特征細化算法
6.4.3　基于極線約束的光條匹配
第 7 章　單目立體視覺的應(yīng)用
7.1　空間點的三維重建
7.1.1　空間點三維重建的線性解
7.1.2　空間點三維重建的非線性解
7.1.3　重建實驗
7.2　基于單平面鏡的對稱結(jié)構(gòu)物體三維重建
7.2.1　理論方法
7.2.2　實驗
7.3　基于單平面鏡的車輛姿態(tài)檢測
7.3.1　車輛姿態(tài)概述
7.3.2　車輛姿態(tài)檢測現(xiàn)狀
7.3.3　車體姿態(tài)的測量方案
7.3.4　誤差分析
參考文獻