| 【中文题名】 | 神经网络在立体视觉关键技术中的分析与研究 |
| 【英文题名】 | The Analysis and Research of Neural Networks Used in Key Stereo Technologies |
| 【学科专业】 | 机械制造及自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-1-17 |
| 【中关键词】 | 立体视觉,神经网络,匹配,标定,, |
| 【英关键词】 | Stereo Vision,Neural Networks,Matching,Calibration, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 计算机视觉作为一个多学科交叉的领域，在理论研究和实际应用方面都取得了飞速的发展，尤其是近年来，图像科学的发展和计算机信号处理能力的增强，为计算机视觉的研究和应用提供了良好的条件。因此，对计算机视觉的进一步研究具有重要的理论意义和实用价值。立体视觉技术是计算机视觉的一个重要分支，由于它具有极大的应用前景并且正向实用化方向发展，因此在整个计算机视觉中，占有越来越重要的地位。
论文以Marr的计算机视觉理论为基础，详述了国内外在双目立体视觉方面的发展及取得的成就。并在分析和总结各种方法的基础上，对立体视觉研究中的匹配和标定两个关键环节进行了系统的分析。
论文对现有的立体匹配方法进行了分析和比较，并决定采用Hopfield网络进行匹配。基本思想是：利用唯一性、相容性以及相似性等匹配约束条件，建立反映对应极线间所有像素点约束关系的能量函数，将其映射到二维Hopfield网络进行极小化求解，网络最后的稳态表示匹配点的对应关系。由于图像噪音与畸变的存在，只使用三约束的Hopfield网络匹配不够理想，论文在原有基础上增加了位置约束，并取得了较好的效果。
论文详细介绍了立体视觉... |
| 【论文题纲】 |
|
独创性说明 |
3-4 |
|
摘要 |
4-5 |
|
Abstract |
5-9 |
|
1 绪论 |
9-14 |
|
1.1 研究背景 |
9-10 |
|
1.2 立体视觉概述 |
10-13 |
|
1.2.1 立体视觉的理论框架 |
10 |
|
1.2.2 立体视觉中的主要技术 |
10-11 |
|
1.2.3 国内外立体视觉的发展现状 |
11-13 |
|
1.3 本文主要工作 |
13-14 |
|
2 对立体视觉中摄像机标定原理与方法的研究 |
14-25 |
|
2.1 数码相机成像的几何模型 |
14-17 |
|
2.1.1 坐标系的定义 |
14-16 |
|
2.1.2 成像关系的推导 |
16-17 |
|
2.2 摄像机标定方法的分类 |
17-24 |
|
2.2.1 传统标定 |
17-18 |
|
2.2.2 自标定 |
18-22 |
|
2.2.3 基于主动视觉的自标定 |
22-24 |
|
2.3 小结 |
24-25 |
|
3 对立体视觉中神经网络的研究 |
25-36 |
|
3.1 神经网络与计算机视觉 |
25-26 |
|
3.2 人工神经网络的模型与算法 |
26-30 |
|
3.2.1 人工神经网络的结构 |
26-29 |
|
3.2.2 人工神经网络的学习规则 |
29-30 |
|
3.3 BP网络模型 |
30-32 |
|
3.4 Hopfield网络模型 |
32-35 |
|
3.5 小结 |
35-36 |
|
4 神经网络在匹配中的分析与应用 |
36-51 |
|
4.1 立体匹配 |
36-43 |
|
4.1.1 匹配方法的分类 |
36-37 |
|
4.1.2 匹配的约束条件 |
37-38 |
|
4.1.3 基于Hopfield网络的匹配 |
38-41 |
|
4.1.4 Hopfield网络匹配的改进 |
41-43 |
|
4.2 特征点提取 |
43-50 |
|
4.2.1 常用算法 |
43-47 |
|
4.2.2 边缘检测算子的选取 |
47-50 |
|
4.3 小结 |
50-51 |
|
5 神经网络在标定中的分析与应用 |
51-66 |
|
5.1 双目视觉测量原理 |
51 |
|
5.2 现有神经网络标定方法的的问题与不足 |
51-55 |
|
5.2.1 BP网络的设计问题 |
52-54 |
|
5.2.2 BP网络的限制与不足 |
54-55 |
|
5.3 神经网络标定方法的改进 |
55-58 |
|
5.3.1 针对提高网络泛化能力的改进方法 |
55-57 |
|
5.3.2 作用函数后缩 |
57-58 |
|
5.4 神经网络在标定中的应用方式 |
58-60 |
|
5.4.1 利用神经网络指导映射过程 |
58 |
|
5.4.2 BP网络与传统方法的结合 |
58-60 |
|
5.5 实验及比较 |
60-62 |
|
5.6 利用OpenGL显示 |
62-65 |
|
5.7 小结 |
65-66 |
|
6 结论 |
66-67 |
|
参考文献 |
67-71 |
|
攻读硕士学位期间发表学术论文情况 |
71-72 |
|
致谢 |
72-73 |
|
大连理工大学学位论文版权使用授权书 |
73 |
|
| 【DOI】 | LunWen.ID:2.2008.388293 |
