第1章 基础

1.1物理相关

1.1.1光与视觉

1.1.2传感器与图像

1.1.3摄影平台

1.2几何变换

1.2.1点、线、面、角

1.2.2几何变换的层次

1.2.3从3D到2D的几何变换

1.3数学基础

1.3.1线性时不变系统和图像处理

1.3.2最小二乘平差

1.3.3粗差的处理

1.3.4系统误差的处理

1.3.5最大似然，最大后验及贝叶斯定理

1.3.6变分法

1.4数学工具和平台

1.4.1代数运算工具

1.4.2 OpenCV库

1.4.3深度学习平台

课后习题

第2章 单像解析

2.1坐标系统

2.1.1图像坐标系

2.1.2传感器坐标系

2.1.3平台坐标系

2.1.4局部切平面坐标系

2.1.5地心直角坐标系

2.2普通光学相机的成像模型

2.2.1平面相机

2.2.2线阵相机

2.2.3鱼眼相机

2.2.4通用几何成像模型

2.3全景相机的四种成像模型

2.3.1理想的全景相机

2.3.2多镜头组合式全景相机

2.3.3旋转式全景相机

2.3.4折反射式全景相机

2.4单像解析的一些补充

2.4.1空间后方交会和解法

2.4.2共线条件方程的正算和反算

2.4.3灭点与灭线

2.4.4相机检校

课后习题

第3章 立体几何

3.1普通核线几何

3.2线阵相机的核线

3.3全景相机的核线

3.4三视几何

3.4.1基于线的三视几何

3.4.2三焦点张量

3.5核线几何的一些补充

3.5.1核线立体像对

3.5.2立体模型的绝对定向

3.5.3前方交会和立体重建

课后习题

第4章 运动成像平台的定位方法

4.1贝叶斯理论框架下的通用定位模型

4.1.1光束法平差的缺点

4.1.2通用定位模型

4.2光束法区域网平差

4.2.1基本方法

4.2.2光束法平差的初值

4.2.3光束法平差的控制条件

4.2.4自检校光束法平差

4.3卡尔曼滤波

4.3.1离散卡尔曼滤波

4.3.2扩展卡尔曼滤波

4.4粒子滤波

4.4.1蒙特卡罗和马尔可夫链

4.4.2用带权粒子表达概率分布

4.4.3粒子滤波算法

4.5一些补充

4.5.1从运动恢复结构

4.5.2 SLAM与VisualSLAM

课后习题

第5章 图像匹配

5.1特征与特征提取

5.1.1什么是好特征？

5.1.2 Harris算子

5.1.3 SIFT算子

5.1.4 A-SIFT与最小二乘匹配

5.2图像匹配

5.2.1几种相似性测度

5.2.2误匹配处理

5.2.3匹配效率

5.3图像密集匹配

5.3.1概述

5.3.2近似全局匹配方法

5.3.3半全局方法

5.4一些补充

5.4.1视觉词袋

5.4.2闭环探测

5.4.3多源图像匹配

5.4.4非线性光照与本征图像分解

课后习题

第6章 相机与激光雷达的融合

6.1传感器静态检校

6.1.1相机与GPS、 IMU的检校

6.1.2基于线的共线条件方程

6.1.3激光雷达与相机的检校

6.2数据级融合

6.2.1看作2D-3D或3D-3D刚体配准问题

6.2.2考虑激光点云中的误差

6.3几何级融合

6.3.1 LiDAR辅助的尺度约束

6.3.2几何约束下的闭环探测

6.4三维场景生成

6.4.1基于图像的三维场景生成

6.4.2基于点云的三维场景生成

6.4.3基于图像和点云融合的三维场景生成

6.5一些补充

6.5.1机载激光雷达

6.5.2 RGB-D相机与Kinect

6.5.3三维建模

课后习题

第7章 专题图、深度学习与智能摄影测量

7.1数字地图

7.1.1数字高程模型

7.1.2数字正射图像

7.1.3数字线划图

7.2深度学习

7.2.1历史

7.2.2基础

7.2.3深度卷积神经元网络

7.3专题图及深度卷积神经元网络的应用

7.3.1图像检索专题图

7.3.2语义分割专题图

7.3.3目标识别专题图

7.3.4实例分割专题图

7.3.5矢量提取专题图

7.3.6基于深度学习的立体匹配

7.4深度学习在建筑物提取中的应用

7.4.1建筑物开源数据库的建立

7.4.2建筑物语义分割

7.4.3建筑物实例分割

7.4.4建筑物矢量提取

7.5展望智能摄影测量时代

课后习题

参考文献