本课程件探讨了计算机视觉中关键的三维测量与建模技术，涵盖深度估计、3D重建及点云处理等内容，旨在为学生提供坚实的理论基础和实践技能。
计算机视觉三维测量与建模是计算机视觉领域中的关键课程之一，涵盖了该领域的基本概念、技术以及实际应用。本课程旨在帮助学生掌握相关基础知识，并培养其实践操作及分析能力。
具体而言，课程内容包括：
1. 基础知识：介绍计算机视觉中有关物体的三维信息获取与建模的基本理论。
2. 特征提取和匹配：通过图像处理技术识别并对比不同视图中的特征点，为后续重建提供依据。
3. 运动恢复结构（SfM）: 利用多视角影像间的相对运动关系来推导出场景的三维几何信息。
4. 双目立体视觉：利用两个相机模拟人类双眼观察物体的方式获取深度信息，并据此构建目标对象模型。
5. 三维点云处理与表面重建：对从各种传感器获得的数据进行预处理和优化，生成高质量的3D模型。
课程大纲如下：
1. 绪论
- 计算机视觉的历史与发展现状；
- 实际案例分析（如自动驾驶、机器人导航）；
- 面临的技术挑战。
2. 图像基础与几何变换
3. 相机标定方法及应用实例
4. 特征点检测与匹配算法研究
5. 运动恢复结构技术详解及其在实际问题中的运用
6. 双目视觉系统的设计、实现和优化策略探讨
7. 点云数据处理流程以及表面重建的多种方案比较
通过本课程的学习，学生将能够掌握计算机视觉三维测量与建模的核心理论知识，并具备独立完成相关项目的能力。推荐参考书包括Richard Szeliski 的《Computer Vision: Algorithms and Applications》、David Forsyth 和Jean Ponce 合著的《Computer Vision: A Modern Approach》，以及Rafael Gonzalez和Richard Woods编写的《Digital Image Processing》等经典教材。
评估方式主要包括课堂展示和个人报告的形式。
5星
