由2维影像建立3维模型

1 (p0-1): 第1章 从2维影像到3维模型
1 (p0-2): 1.1 进入由个人拍摄的影像建立3维模型的时代
3 (p0-3): 1.2 本书中使用的专门术语及数学符号
6 (p0-4): 第2章 影像、相机及投影
6 (p0-5): 2.1 数字影像与数字影像坐标系
7 (p0-6): 2.2 针孔相机与中心投影
9 (p0-7): 2.3 摄影矩阵及外部参数
11 (p0-8): 2.4 规一化相机及内部参数
14 (p0-9): 2.5 投影近似：平行投影，弱中心投影，模拟中心投影，仿射投影
18 (p0-10): 2.6 练习题
19 (p0-11): 第3章 3维空间中旋转的表示和计算
19 (p0-12): 3.1 欧拉角
20 (p0-13): 3.2 roll,pitch,yaw
20 (p0-14): 3.3 旋转轴及旋转速度
22 (p0-15): 3.4 4元数
23 (p0-16): 3.5 正交矩阵、旋转矩阵及反转
24 (p0-17): 3.6 利用旋转前后的3维向量进行旋转的最优化计算
27 (p0-18): 3.7 练习题
28 (p0-19): 第4章 核线几何
28 (p0-20): 4.1 中心投影中核线几何的概念及核线方程式
30 (p0-21): 4.2 中心投影中的基本矩阵的性质
31 (p0-22): 4.3 弱中心投影中的核线方程式
35 (p0-23): 4.4 基于对应点的中心投影核线方程式的线性解法
39 (p0-24): 4.5 利用对应点确定仿射投影中的核线方程式
40 (p0-25): 4.6 练习题
42 (p0-26): 第5章 基于弱中心投影影像的3维重建
42 (p0-27): 5.1 基于3张弱中心投影影像的运动与形状恢复
49 (p0-28): 5.2 基于奇异值分解利用影像序列进行运动与形状的复原
51 (p0-29): 5.3 利用规一化相关实现密集的形状重建
55 (p0-30): 5.4 练习题
56 (p0-31): 第6章 相机标定
56 (p0-32): 6.1 基于已知3维形状的标定
59 (p0-33): 6.2 基于平面图案的相机标定
61 (p0-34): 6.3 基于Kruppa方程的相机自标定
64 (p0-35): 6.4 练习题
66 (p0-36): 第7章 基于中心投影影像的3维重建
66 (p0-37): 7.1 基于本质矩阵的运动与形状恢复的线性算法
68 (p0-38): 7.2 运动与形状的最优化计算
74 (p0-39): 7.3 练习题
75 (p0-40): 第8章 基于多视数据的物体整体建模
75 (p0-41): 8.1 2视点3维数据的综合
78 (p0-42): 8.2 多视点3维数据的综合
79 (p0-43): 8.3 基于多视影像的3维整体模型的直接复原
82 (p0-44): 8.4 练习题
83 (p0-45): 第9章 3维形状的三角网表示
83 (p0-46): 9.1 2维点集的Delaunay分割
86 (p0-47): 9.2 3维点集的Delaunay分割
88 (p0-48): 9.3 基于影像中特征点的可见性信息的Delaunay分割
89 (p0-49): 9.4 练习题
90 (p0-50): 10.1 漫反射与镜面反射
90 (p0-51): 第10章 渲染
91 (p0-52): 10.2 纹理映射
95 (p0-53): 10.3 练习题
96 (p0-54): 第11章 基于影像的渲染
96 (p0-55): 11.1 QuickTime VR
98 (p0-56): 11.2 Lumigraph,Light Field和同心拼接
101 (p0-57): 11.3 练习题
102 (p0-58): 附录A 向量和矩阵的微分
104 (p0-59): 附录B 逆矩阵及伪逆矩阵
107 (p0-60): 附录C 特征值分解
109 (p0-61): 附录D 奇异值分解
111 (p0-62): 附录E 线性函数的拟合
114 (p0-63): 附录F 非线性函数的拟合
119 (p0-64): 附录G 3维重建中Marquart法的快速算法
121 (p0-65): 附录H 利用VRML实现3维模型的表示及纹理映射
122 (p0-66): 附录I 习题解说及答案
140 (p0-67): 参考文献 本书对从输入影像开始, 到恢复3维形状, 最后将得到的3维结果利用计算机图形学的技术(CG)进行表达, 显示的过程中涉及的原理, 概念, 表述, 算法等进行了详细的叙述…