声明
摘要
1 绪论
1.1 引言
1.2 地面智能车辆及三维测量技术概况
1.2.1 地面智能车辆的研究进展
1.2.2 面向自主导航的三维测量技术
1.3 立体视觉研究进展
1.3.1 三角测量原理
1.3.2 摄像机标定
1.3.3 立体匹配
1.3.4 难点分析
1.4 本文的创新点和内容安排
1.4.1 主要创新点
1.4.2 内容安排
2 立体视觉系统组成及摄像机标定
2.1 引言
2.2 立体视觉系统的组成
2.2.1 硬件系统配置
2.2.2 软件系统流程
2.3 基于非线性最小二乘的体视标定法
2.3.1 方法思路
2.3.2 单摄像机的透视投影
2.3.3 张氏单目标定法
2.3.4 体视标定法的步骤
2.3.5 实验结果及分析
2.4 基于共线方程的四控制点外参标定法
2.4.1 方法思路
2.4.2 共线方程
2.4.3 外参求解的线性表达式
2.4.4 四控制点法外参初值求取
2.4.5 非线性最小二乘法求解
2.4.6 实验结果及分析
2.5 本章小结
3 基于1D能量最小化的立体匹配算法研究
3.1 引言
3.2 立体匹配的基础理论
3.2.1 极线几何
3.2.2 几何约束
3.2.3 匹配过程
3.2.4 评价标准
3.3 外极线校正和图像预处理
3.3.1 外极线校正
3.3.2 图像预处理
3.3.3 实验结果及分析
3.4 加强垂直平滑性约束的基于双向动态规划的匹配算法
3.4.1 基本思想
3.4.2 加强垂直连续性的能量函数
3.4.3 两种约束的动态规划寻径
3.4.4 双向动态规划和可靠性准则
3.4.5 实验结果和分析
3.5 加强弱连续性约束基于两级扫描线优化的快速匹配算法
3.5.1 基本思想
3.5.2 弱连续性约束
3.5.3 两级扫描线优化方法
3.5.4 算法步骤及计算量分析
3.5.5 实验结果及分析
3.6 本章小结
4 基于MRF的全局立体匹配算法研究
4.1 引言
4.2 基于自适应分层信任度传播的高效匹配算法
4.2.1 基本思想
4.2.2 MRF模型和基于信任度传播的能量最小化
4.2.3 自适应的数据和平滑项
4.2.4 自适应平滑项的分层调节
4.2.5 快速收敛策略
4.2.6 数据项重建及贪婪迭代
4.2.7 实验结果及分析
4.3 基于分割约束的α扩展匹配算法
4.3.1 基本思想
4.3.2 基于图切割的能量最小化
4.3.3 能量函数定义
4.3.4 加强分割约束
4.3.5 证明能量函数满足图构造条件
4.3.6 实验结果及分析
4.4 本章小结
5 基于遗传的匹配算法研究
5.1 引言
5.2 基于AIGA利用二次分割的匹配算法
5.2.1 算法基本思想
5.2.2 模块1:视差图初始化
5.2.3 模块2:AIGA全局优化的设计
5.2.4 实验结果及分析
5.3 本章小结
6 场景表面重建技术
6.1 引言
6.2 场景三维重建
6.2.1 车体坐标系下空间点计算
6.2.2 地面车辆的场景重建
6.2.3 重建误差来源和概率分布分析
6.2.4 实验结果及分析
6.3 本章小结
7 总结与展望
致谢
参考文献
附录
南京理工大学;