最近看了些立體視覺方面的資料，感覺立體視覺涉及到的東西太多，且數學理論比較強，特別是幾何方面的東西，下面是對這一周看關於立體視覺方面的資料的初步總結，很多知識也是懂了個概念而已，深入的話要在以後的實踐過程中不斷體會，其中主要是一些名詞，寫下來算是對自己有個小的總結：
一. 射影幾何知識。
包括平面射影幾何和空間射影幾何。射影幾何只是在歐式幾何中引入了無窮遠元素而已，比如說無窮遠點，無窮遠直線，無窮遠曲線和曲面。因此在射影幾何中2條平行線是可以相交的，交點在無窮遠處，2個平行平面也交於無窮遠處的一條直線。
所以在二維射影幾何中，引入了二維射影平面，即由歐式平面和無窮遠直線構成。其中涉及到的相關知識點有其次座標和非其次座標，叉積，交比，射影引數，對偶，無窮遠直線的表達，二次曲線，對偶二次曲線，退化二次曲線，圓環點，單應，自由度，等距變換，相似變換，仿射變換，射影變換之間的區別，幾何失真，變換群與不變數等。
三維射影幾何中和二維的很類似，但是在三維射影空間中直線是最難表達的，且直線有4個自由度，而點和面只有3個自由度，點和面對偶，直線自對偶。涉及到的相關知識點有二次曲面，對偶二次曲面，扭三次曲線，絕對二次曲線。所有的球面交無窮遠平面於絕對二次曲線，所有的圓交絕對二次曲線於2點，即圓環點。絕對對偶二次曲面，不變數，消隱點和消隱線的計算等。
為什麼在立體視覺中要引入射影幾何呢？因為的成像並不保持歐式不變性，攝像機的成像過程是乙個射影變換過程。
二. 攝像機模型。
主要是小孔成像模型，中心透視投影模型。引入的概念有景深，視角，透視失真，物理座標系，相機座標系，物體座標系，畫素座標系，主點偏移，相機內引數(5個，主點座標2個，2個方向上的焦距，1個尺度因子)，相機外引數(2個，旋轉和平移)，徑向畸變，離心畸變，薄透鏡畸變，仿射相機，攝像機矩陣等。
其中一般的立體視覺中分析的原理都是小孔成像模型，但是用的卻是中心透視投影模型。
三. 多視幾何。
因為從單幅影象中恢復場景中的結構和深度會引起歧義，所以引入了多視幾何，主要包括二視幾何和三視幾何。
二視幾何是指同時獲得2幅**，比如說有2個攝像機或者乙個攝像機移動拍攝2次。其概念有外極幾何，外極點，基線，外極平面，外極線，外極線約束，本質矩陣，基本矩陣，8點演算法估計基本矩陣，單應矩陣，不動點和不動線等。
三視幾何的產生是由於二視幾何不能產生對直線的約束，2幅影象之間的約束由基本矩陣決定，3幅影象之間的約束由3焦張量決定，3幅及3幅以上的影象之間不存在獨立的約束。
多視幾何的知識對後面的攝像機標定和三維重建有很大的幫助。
四. 攝像機標定理論。
攝像機標定是指求出攝像機的內引數和外引數。涉及到的知識點有直接線性變換，退化配置，幾何誤差，**標準演算法，矩陣分解，圓環點和攝像機內引數的約束，平行線與攝像機內引數的約束，kruppa方程與攝像機內引數的約束，絕對二次曲線於攝像機內引數的約束，絕對二次曲面與攝像機內引數的約束，主動視覺系統，主動視覺標定等。
五. 三維重建理論。
目前的計算機理論框架是基於marr理論的，marr理論認為三維重建是人類視覺的主要問題，也是計算機視覺最主要的研究方向。因此三維重建理論在計算機視覺中占有很重要的地位。三維重建的一般步驟時在多幅圖中分別找出相應的對應特徵點，然後匹配對應的特徵點，然後根據對應的特徵點的幾何約束，顏色值約束，運動模型約束等其他約束來估算出空間中對應點的深度。其中最難的部分在與怎樣將每幅影象中的點對應起來，即多目融合問題。
目前三維重建理論涉及到的概念有重建過程，人體視覺理論，雙目融合，灰度相關，交叉相關，相似性約束，視窗搜尋，多尺度邊緣匹配，動態規劃，多視立體重建，多基線立體重建，視差，深度，立體元素，空間切割，剪影重構，相交體，基於切割的視覺殼，分層重建理論，射影重建，仿射重建，無窮遠單應，相似重建，基於結構光的重建，基於紋理的重建，基於顏色值的重建，基於運動模型的重建，大規模場景重建等。
吳福朝 (2008). 計算機視覺中的數學方法, 科學出版社.
中科院自動化所計算機視覺ppt，《立體視覺》.
shapiro, l. g. and g. c. stockman ( 2001). computer vision, prentice hall.
hartley, r., a. zisserman, et al. (2003). multiple view geometry in computer vision, cambridge univ press.
bradski, g. and a. kaehler (2008). learning opencv: computer vision with the opencv library, o'reilly media.
立體視覺中的水很深，路漫漫其修遠兮，吾將上下而求索！
一些知識點的初步理解 7 隨機森林,ing
一些知識點的初步理解 7 隨機森林,ing.在機器學習中，隨機森林由許多的決策樹組成，因為這些決策樹的形成採用了隨機的方法，因此也叫做隨機決策樹。隨機森林中的樹之間是沒有關聯的。當測試資料進入隨機森林時，其實就是讓每一顆決策樹進行分類，最後取所有決策樹中分類結果最多的那類為最終的結果。因此隨機森林是...
一些知識點的初步理解 7 隨機森林,ing
在機器學習中，隨機森林由許多的決策樹組成，因為這些決策樹的形成採用了隨機的方法，因此也叫做隨機決策樹。隨機森林中的樹之間是沒有關聯的。當測試資料進入隨機森林時，其實就是讓每一顆決策樹進行分類，最後取所有決策樹中分類結果最多的那類為最終的結果。因此隨機森林是乙個包含多個決策樹的分類器，並且其輸出的類別...
一些知識點的初步理解 6 核函式,ing
在svm中經常聽說核函式，關於各種核函式的推導公式寫得天花亂墜。svm大概意思是說將低維不可分的樣本對映到高維空間中後就線性可分了，由於最後用訓練出來的模型進行分類 時需要求高維空間中對映特徵間的內積，而核函式的功能就是我們計算時不需要考慮高維空間的具體形式，降低了其計算複雜度。下面就簡單講講核函式...