目 录__eol__第1章 绪 论 1__eol__1.1 数字影像 2__eol__1.1.1 数字影像概念 2__eol__1.1.2 常见的影像类型 3__eol__1.1.3 空间域和频率域处理 4__eol__1.2 射影几何学基础 5__eol__1.2.1 射影几何意义 5__eol__1.2.2 射影变换 5__eol__1.2.3 二维射影空间 6__eol__1.2.4 三维射影空间 8__eol__1.2.5 二维仿射变换 9__eol__1.2.6 几何元素的分层表达 10__eol__1.3 欧氏空间坐标转换 11__eol__1.3.1 二维坐标转换 11__eol__1.3.2 三维坐标转换 12__eol__1.4 成像模型与成像系统中的坐标系 14__eol__1.4.1 成像模型中的几何元素 14__eol__1.4.2 成像系统中的坐标系 15__eol__1.4.3 透视投影成像模型 16__eol__1.5 常见的三维成像方式 19__eol__1.5.1 人工输入方法 20__eol__1.5.2 主动式扫描方法 20__eol__1.5.3 被动式扫描方法 23__eol__1.6 三维计算机视觉的应用 24__eol__1.6.1 三维计算机视觉测量的应用领域 24__eol__1.6.2 三维计算机视觉测量系统的常见技术指标参数 25__eol__1.6.3 三维计算机视觉与摄影测量的关系 26__eol__1.6.4 三维计算机视觉测量面临的问题 26__eol__1.7 小结 27__eol__参考文献 27__eol__第2章 摄像机的几何标定 30__eol__2.1 摄像机标定参数 30__eol__2.1.1 内参数 30__eol__2.1.2 外参数 32__eol__2.1.3 标定方法分类 32__eol__2.2 摄像机内参数标定 33__eol__2.2.1 直接线性变换法 33__eol__2.2.2 Tsai1987标定方法 36__eol__2.2.3 Zhang1999标定方法 37__eol__2.3 静态场景多视角下摄像机系统的自标定 39__eol__2.3.1 基础矩阵 39__eol__2.3.2 度量自标定 41__eol__2.3.3 基于灭点的自标定方法 44__eol__2.4 摄像机系统的半自动标定 45__eol__2.4.1 标定装置 46__eol__2.4.2 自动提取角点 46__eol__2.4.3 人工靶标标志 47__eol__2.5 摄像机与激光雷达的联合标定 49__eol__2.5.1 多源融合的意义 49__eol__2.5.2 时空配准 50__eol__2.5.3 摄像机与激光雷达的联合标定 50__eol__2.6 应用举例 52__eol__2.6.1 标定工具箱 52__eol__2.6.2 多源传感器联合标定 53__eol__2.7 小结 54__eol__参考文献 55__eol__第3章 影像特征提取表达 58__eol__3.1 影像特征的基本概念 58__eol__3.1.1 特征表达形式 58__eol__3.1.2 像素特征的基本要求 59__eol__3.1.3 邻域范围 59__eol__3.2 边缘和线特征提取 60__eol__3.2.1 梯度算子 61__eol__3.2.2 Canny边缘检测 64__eol__3.2.3 Snake边缘提取 65__eol__3.2.4 霍夫变换检测直线 66__eol__3.3 点特征提取 67__eol__3.3.1 Harris角点 67__eol__3.3.2 FAST角点 69__eol__3.3.3 SIFT特征提取 70__eol__3.3.4 SURF特征提取 74__eol__3.3.5 ORB特征检测 77__eol__3.3.6 AKAZE特征检测 78__eol__3.3.7 Lucas-Kanade光流算法 79__eol__3.3.8 卷积神经网络特征提取 81__eol__3.4 纹理特征表达 82__eol__3.4.1 纹理的概念 82__eol__3.4.2 纹理特征类型 83__eol__3.4.3 纹理特征应用举例 85__eol__3.5 应用举例 86__eol__3.5.1 目标跟踪 86__eol__3.5.2 全景拼接 86__eol__3.6 小结 87__eol__参考文献 88__eol__第4章 由运动恢复结构 90__eol__4.1 对极几何 90__eol__4.1.1 极线与极点 90__eol__4.1.2 基础矩阵 92__eol__4.1.3 本质矩阵 93__eol__4.2 影像的单应变换 94__eol__4.2.1 投影矩阵和影像单应矩阵之间的关系 94__eol__4.2.2 基础矩阵和影像单应矩阵之间的关系 95__eol__4.3 求解二视图的基础矩阵 96__eol__4.3.1 八点算法 96__eol__4.3.2 七点算法 98__eol__4.3.3 鲁棒算法 98__eol__4.3.4 退化情况 100__eol__4.3.5 三视图和四视图几何计算 100__eol__4.4 摄像机位置姿态和场景结构恢复 101__eol__4.4.1 初始化影像位置姿态和场景结构 101__eol__4.4.2 由本质矩阵提取摄像机矩阵 102__eol__4.4.3 更新结构和位置姿态 104__eol__4.4.4 PnP问题 105__eol__4.5 光束法平差 105__eol__4.5.1 光束法平差模型 105__eol__4.5.2 最小二乘原理 107__eol__4.5.3 高斯?牛顿算法 107__eol__4.5.4 列文伯格?马奎特算法 108__eol__4.5.5 光束法平差的LM算法模型 109__eol__4.5.6 稀疏光束法平差 109__eol__4.6 应用举例 111__eol__4.7 小结 113__eol__参考文献 113__eol__第5章 双目立体视觉 116__eol__5.1 标准形式的双目系统 116__eol__5.2 匹配基础 117__eol__5.2.1 立体影像极线校正 117__eol__5.2.2 匹配预处理 119__eol__5.2.3 视差图原理 120__eol__5.3 传统立体匹配算法 121__eol__5.3.1 局部窗口匹配算法 121__eol__5.3.2 匹配代价度量 122__eol__5.3.3 代价聚合与视差计算 123__eol__5.3.4 视差图后处理 124__eol__5.3.5 动态规划法 125__eol__5.3.6 半全局优化匹配算法 127__eol__5.4 图割优化匹配算法 128__eol__5.4.1 匹配问题中的马尔可夫模型 129__eol__5.4.2 图割求解算法 129__eol__5.4.3 超像素分割 132__eol__5.4.4 高阶马尔可夫模型匹配算法 134__eol__5.4.5 实验比较 135__eol__5.5 结构光三维扫描 136__eol__5.5.1 结构光三维扫描基本原理 136__eol__5.5.2 二进制编码和灰度编码 139__eol__5.5.3 相移法编码 139__eol__5.5.4 混合方式：相移法+灰度码投影 141__eol__5.5.5 其他编码模式 142__eol__5.5.6 编码模式的比较 144__eol__5.6 立体视觉标定 144__eol__5.6.1 摄像机标定 145__eol__5.6.2 投影仪标定 145__eol__5.6.3 系统参数对精度的影响 146__eol__5.7 应用举例 147__eol__5.8 小结 149__eol__参考文献 150__eol__第6章 点云滤波与分割 152__eol__6.1 采样点云特性 152__eol__6.1.1 点云质量问题 152__eol__6.1.2 点云数据组织和查询 153__eol__6.2 点云滤波增强 155__eol__6.2.1 点云的法向量估计 155__eol__6.2.2 点云去噪一般方法 158__eol__6.2.3 基于统计学的异常值检测 160__eol__6.2.4 局部优化投影采样 160__eol__6.2.5 密度加权局部优化投影采样 162__eol__6.3 点云超体素分割 164__eol__6.3.1 超体素 164__eol__6.3.2 简单迭代分割方法 165__eol__6.3.3 体素云连接性分割 166__eol__6.3.4 评价指标 168__eol__6.4 目标级别分割 169__eol__6.4.1 目标分割引言 169__eol__6.4.2 基于底层特征的分割 169__eol__6.4.3 基于模型拟合的分割 170__eol__6.4.4 基于深度学习的分割 173__eol__6.5