智能摄影测量学导论PDF电子书下载

第1章 基础 1

1.1物理相关 1

1.1.1光与视觉 1

1.1.2传感器与图像 2

1.1.3摄影平台 4

1.2几何变换 5

1.2.1点、线、面、角 5

1.2.2几何变换的层次 9

1.2.3从3D到2D的几何变换 10

1.3数学基础 13

1.3.1线性时不变系统和图像处理 13

1.3.2最小二乘平差 19

1.3.3粗差的处理 21

1.3.4系统误差的处理 23

1.3.5最大似然，最大后验及贝叶斯定理 24

1.3.6变分法 25

1.4数学工具和平台 29

1.4.1代数运算工具 29

1.4.2 OpenCV库 29

1.4.3深度学习平台 30

课后习题 31

第2章 单像解析 32

2.1坐标系统 32

2.1.1图像坐标系 32

2.1.2传感器坐标系 34

2.1.3平台坐标系 34

2.1.4局部切平面坐标系 35

2.1.5地心直角坐标系 35

2.2普通光学相机的成像模型 35

2.2.1平面相机 35

2.2.2线阵相机 36

2.2.3鱼眼相机 37

2.2.4通用几何成像模型 39

2.3全景相机的四种成像模型 43

2.3.1理想的全景相机 43

2.3.2多镜头组合式全景相机 45

2.3.3旋转式全景相机 46

2.3.4折反射式全景相机 47

2.4单像解析的一些补充 48

2.4.1空间后方交会和解法 48

2.4.2共线条件方程的正算和反算 49

2.4.3灭点与灭线 50

2.4.4相机检校 51

课后习题 53

第3章 立体几何 54

3.1普通核线几何 54

3.2线阵相机的核线 57

3.3全景相机的核线 58

3.4三视几何 59

3.4.1基于线的三视几何 59

3.4.2三焦点张量 61

3.5核线几何的一些补充 63

3.5.1核线立体像对 63

3.5.2立体模型的绝对定向 64

3.5.3前方交会和立体重建 65

课后习题 66

第4章 运动成像平台的定位方法 67

4.1贝叶斯理论框架下的通用定位模型 67

4.1.1光束法平差的缺点 67

4.1.2通用定位模型 68

4.2光束法区域网平差 69

4.2.1基本方法 69

4.2.2光束法平差的初值 73

4.2.3光束法平差的控制条件 75

4.2.4自检校光束法平差 77

4.3卡尔曼滤波 78

4.3.1离散卡尔曼滤波 79

4.3.2扩展卡尔曼滤波 81

4.4粒子滤波 83

4.4.1蒙特卡罗和马尔可夫链 83

4.4.2用带权粒子表达概率分布 84

4.4.3粒子滤波算法 85

4.5一些补充 87

4.5.1从运动恢复结构 87

4.5.2 SLAM与VisualSLAM 87

课后习题 91

第5章 图像匹配 92

5.1特征与特征提取 92

5.1.1什么是好特征？ 92

5.1.2 Harris算子 93

5.1.3 SIFT算子 95

5.1.4 A-SIFT与最小二乘匹配 97

5.2图像匹配 99

5.2.1几种相似性测度 99

5.2.2误匹配处理 100

5.2.3匹配效率 102

5.3图像密集匹配 103

5.3.1概述 104

5.3.2近似全局匹配方法 104

5.3.3半全局方法 107

5.4一些补充 110

5.4.1视觉词袋 110

5.4.2闭环探测 110

5.4.3多源图像匹配 111

5.4.4非线性光照与本征图像分解 111

课后习题 113

第6章 相机与激光雷达的融合 114

6.1传感器静态检校 114

6.1.1相机与GPS、 IMU的检校 114

6.1.2基于线的共线条件方程 115

6.1.3激光雷达与相机的检校 115

6.2数据级融合 117

6.2.1看作2D-3D或3D-3D刚体配准问题 117

6.2.2考虑激光点云中的误差 118

6.3几何级融合 119

6.3.1 LiDAR辅助的尺度约束 119

6.3.2几何约束下的闭环探测 120

6.4三维场景生成 121

6.4.1基于图像的三维场景生成 121

6.4.2基于点云的三维场景生成 123

6.4.3基于图像和点云融合的三维场景生成 124

6.5一些补充 124

6.5.1机载激光雷达 124

6.5.2 RGB-D相机与Kinect 125

6.5.3三维建模 125

课后习题 126

第7章 专题图、深度学习与智能摄影测量 127

7.1数字地图 127

7.1.1数字高程模型 127

7.1.2数字正射图像 129

7.1.3数字线划图 130

7.2深度学习 132

7.2.1历史 132

7.2.2基础 133

7.2.3深度卷积神经元网络 136

7.3专题图及深度卷积神经元网络的应用 137

7.3.1图像检索专题图 137

7.3.2语义分割专题图 139

7.3.3目标识别专题图 140

7.3.4实例分割专题图 143

7.3.5矢量提取专题图 143

7.3.6基于深度学习的立体匹配 144

7.4深度学习在建筑物提取中的应用 147

7.4.1建筑物开源数据库的建立 147

7.4.2建筑物语义分割 149

7.4.3建筑物实例分割 150

7.4.4建筑物矢量提取 151

7.5展望智能摄影测量时代 152

课后习题 153

参考文献 154