第1章绪论
1.1什么是计算机视觉
1.2计算机视觉应用举例
1.2.1人脸识别
1.2.2智能监控
1.2.3医学影像分析
1.2.4视觉定位
1.2.5三维场景重建
1.2.6无人(辅助)驾驶
1.2.7农业智能化
1.2.8智能家居
1.2.9虚拟现实
1.2.10工业自动化
1.3发展简史
1.3.1计算机视觉萌芽
1.3.2形成独立学科
1.3.3蓬勃发展期
1.3.4机器学习与计算机视觉深度交融
1.4本书章节安排
1.5习题
参考文献
第一篇图像的全景拼接
第2章图像全景拼接问题概述
2.1问题的定义
2.2方案流程
2.3本篇内容知识体系
第3章线性几何变换
3.1平面上的线性几何变换
3.1.1旋转变换
3.1.2欧氏变换
3.1.3相似变换
3.1.4仿射变换
3.1.5射影变换
3.2变换群与几何学
3.2.1群的定义
3.2.2线性几何变换群
3.3三维空间中的线性几何变换
3.4习题
参考文献
第4章特征点检测与匹配
4.1哈里斯角点及其描述子
4.1.1哈里斯角点检测算法设计思路
4.1.2哈里斯角点检测算法的实现
4.1.3哈里斯角点的特征描述子
4.2SIFT特征点及其特征描述子
4.2.1特征点检测基本思想
4.2.2特征点检测算法实现
4.2.3描述子构造
4.3ORB特征点及其特征描述子
4.3.1ORB中的特征点检测
4.3.2ORB中的特征描述子
4.3.3ORB中的多尺度处理
4.4特征点匹配
4.5实践
4.6习题
参考文献
第5章线性最小二乘问题
5.1齐次线性最小二乘问题
5.1.1问题定义
5.1.2问题的求解
5.2非齐次线性最小二乘问题
5.2.1问题定义
5.2.2问题的求解
5.2.3基于奇异值分解原理的求解方法
5.3习题
参考文献
第6章射影矩阵的鲁棒估计与图像的插值
6.1随机抽样一致算法
6.2图像的插值
6.3实践
6.4习题
参考文献
第二篇单 目 测 量
第7章单目测量问题概述
7.1问题的定义
7.2方案流程
7.3本篇内容知识体系
参考文献
第8章射影几何初步
8.1射影平面
8.2射影平面上点的齐次坐标
8.3射影平面上的点与直线
8.3.1两点所确定的直线
8.3.2两条直线所确定的交点
8.4习题
参考文献
第9章非线性最小二乘问题
9.1无约束优化问题基础
9.1.1问题定义与基本概念
9.1.2阻尼法
9.2非线性最小二乘问题及其解法
9.2.1问题定义与基本概念
9.2.2高斯牛顿法
9.2.3列文伯格马夸特法
9.3习题
参考文献
第10章相机成像模型与内参标定
10.1不考虑镜头畸变的成像模型
10.2考虑镜头畸变的成像模型
10.2.1普通镜头畸变模型
10.2.2鱼眼镜头畸变模型
10.3相机内参标定
10.3.1相机内参标定算法的基本流程
10.3.2三维空间旋转的轴角表达
10.3.3相机成像模型参数的初始估计
10.3.4相机成像模型参数的迭代优化
10.4镜头畸变去除
10.5实践
10.5.1基于Matlab的相机内参标定
10.5.2基于OpenCV和C++的鱼眼相机内参标定
10.6习题
参考文献
第11章鸟瞰视图
11.1基本流程
11.2鸟瞰视图坐标系到物理平面坐标系的映射
11.3物理平面坐标系到去畸变图像坐标系的映射
11.4去畸变图像坐标系到原始图像坐标系的映射
11.5习题
参考文献
第三篇目 标 检 测
第12章目标检测问题概述
12.1目标检测技术的应用领域
12.2目标检测技术的简要发展历程
12.2.1传统方法
12.2.2基于深度学习的方法
12.3本篇内容安排
参考文献
第13章凸优化基础
13.1凸优化问题
13.1.1凸集与仿射集
13.1.2凸函数
13.1.3优化问题
13.1.4凸优化问题
13.2对偶
13.2.1对偶函数
13.2.2对偶问题
13.2.3强对偶性与斯莱特条件
13.2.4强弱对偶性的“最大最小”刻画
13.2.5KKT最优条件
13.2.6利用对偶问题来求解原问题
13.3总结
13.4习题
参考文献
第14章SVM与基于SVM的目标检测
14.1线性分类问题
14.2感知器算法
14.3线性可分SVM
14.3.1线性可分SVM的问题建模
14.3.2线性可分SVM问题的求解
14.4软间隔与线性SVM
14.4.1问题建模
14.4.2问题求解
14.5非线性SVM与核函数
14.5.1核函数与核技巧
14.5.2非线性SVM
14.6针对多类分类问题的SVM
14.7SVM在目标检测问题上的应用
14.7.1方向梯度直方图
14.7.2基于HOG+SVM的目标检测
14.8习题
参考文献
第15章
YOLO： 基于深度卷积神经网络的
目标检测模型
15.1YOLO系列算法简介
15.2YOLOv1
15.2.1网络结构及其运行时推理
15.2.2损失函数
15.2.3参数设置解读与缺陷分析
15.3YOLOv3
15.3.1网络结构
15.3.2运行时预测输出解析
15.3.3损失函数
15.4YOLOv8
15.4.1网络结构
15.4.2运行时预测输出解析
15.4.3损失函数
15.5实践1： YOLOv4
15.5.1硬件与软件环境准备
15.5.2编译darknet
15.5.3测试开发者提供的已训练好的模型
15.5.4训练自己的模型
15.6实践2： YOLOv8
15.6.1运行环境配置
15.6.2测试已训练好的模型
15.6.3训练自己的模型
15.6.4跨环境模型交换
15.7习题
参考文献
第四篇三维立体视觉
第16章三维立体视觉概述
16.1三维立体视觉技术的内涵
16.2三维立体视觉技术的应用领域
16.3本篇内容安排
第17章双目立体视觉
17.1校正化双目系统及该系统下的深度计算
17.1.1校正化双目系统
17.1.2校正化双目系统下的深度计算
17.2双目系统参数标定
17.3对极几何及其表达
17.3.1对极几何
17.3.2本质矩阵与基础矩阵
17.3.3本质矩阵的计算
17.3.4校正化双目系统的对极几何属性
17.4双目校正
17.4.1校正化双目系统的构建
17.4.2校正化双目图像的获取
17.5立体匹配与视差图计算
17.6基于视差图的三维重建
17.7实践
17.7.1基于Matlab的双目立体视觉
17.7.2基于OpenCV和C++的双目立体视觉
17.8习题
参考文献
第18章神经辐射场
18.1基于辐射场的体渲染
18.1.1连续型形式
18.1.2离散型形式
18.2辐射场的隐式表达及其学习
18.2.1辐射场的隐式表达
18.2.2神经辐射场的学习
18.3基于神经辐射场的三维重建
18.4实践
18.5习题
参考文献
附录
A泰勒展开
A.1一元函数的泰勒展开
A.2多元函数的泰勒展开
B圆锥曲线
C数字图像导数的近似计算
D高斯函数的卷积及其傅里叶变换
E主曲率与海森矩阵
F拉格朗日乘子法
G函数或自变量形式为矩阵或向量时的求导运算
G.1向量和矩阵函数对标量变量求导
G.2标量函数对矩阵变量求导
G.3标量函数对向量变量求导
G.4向量函数对向量变量求导
G.5常用结论
H奇异值分解
H.1奇异值分解定理
H.2奇异值分解的经济型(economysized)表达形式
H.3奇异值分解的矩阵和表达形式
H.4奇异值分解与特征值分解之间的联系
H.5本质矩阵的奇异值
I函数的极值点、驻点和鞍点
J罗德里格斯公式
KYolo_mark
K.1Yolo_mark的编译
K.2用Yolo_mark完成针对图像目标检测任务的标注
LAnaconda
M在Windows系统下编译OpenCV和OpenCV_Contrib
N安装Eigen3
O在Windows系统下编译并安装Pangolin
P部分核心代码摘录
P.1哈里斯角点检测
P.2两张图像上的特征描述子集合匹配
P.3基于RANSAC的平面间射影矩阵的估计
P.4在Matlab中基于相机内参去除图像中的镜头畸变
P.5基于OpenCV和C++的鱼眼相机内参标定
P.6基于Matlab的线性SVM和非线性SVM
P.7从实时视频流输入中进行目标检测
P.8双目相机系统外参标定
P.9校正化双目系统构建及校正化图像生成
P.10读入双目外参计算视差图及点云
P.11基于C++和OpenCV的双目相机系统参数标定
P.12彩色点云生成
参考文献
