Photogrammetric Computer Vision: Statistics, Geometry, Orientation and Reconstruction

این کتاب درسی یک نمای آماری در مورد هندسه تجزیه و تحلیل نمای چندگانه، مورد نیاز برای کالیبراسیون و جهت‌گیری دوربین و برای بازسازی صحنه هندسی بر اساس ویژگی‌های تصویر هندسی ارائه می‌دهد. نویسندگان سوابق ژئودزی و همچنین تجربه طولانی در توسعه و تحقیق در بینایی کامپیوتر دارند و این اولین کتابی است که رویکرد مشترکی از زمینه های همگرا فتوگرامتری و بینایی کامپیوتر ارائه می دهد.

بخش اول کتاب مقدمه‌ای بر تئوری تخمین ارائه می‌کند که جنبه‌هایی مانند تخمین بیزی، مؤلفه‌های واریانس و تخمین متوالی را با تمرکز بر تشخیص‌های آماری صحیح نتایج برآورد ضروری در اندازه‌شناسی بینایی را پوشش می‌دهد. بخش دوم ابزارهایی برای استدلال هندسی دو بعدی و سه بعدی با استفاده از هندسه تصویری ارائه می دهد. این شامل هندسه تصویری جهت‌یافته و ابزارهایی برای تخمین بهینه آماری و آزمون موجودات هندسی و تبدیل‌ها و روابط آنهاست، ابزارهایی که در زمینه استدلال نامطمئن در ابرهای نقطه نیز مفید هستند. بخش سوم به مدل‌سازی هندسه دوربین‌های منفرد و چندگانه، پرداختن به کالیبراسیون و جهت‌گیری، از جمله ارزیابی آماری و بازسازی ویژگی‌های صحنه و سطوح مربوطه بر اساس ویژگی‌های تصویر هندسی اختصاص دارد. نویسندگان الگوریتم‌هایی را برای مسائل محاسباتی هندسی مختلف در اندازه‌شناسی بینایی، همراه با توجیه‌های ریاضی و تحلیل‌های آماری ارائه می‌کنند، بنابراین ارزیابی‌های کامل را امکان‌پذیر می‌سازند. فصل‌ها با شکل‌ها و تمرین‌های متعددی همراه هستند و با پیوستی پشتیبانی می‌شوند که نمادهای ریاضی پایه و نمایه‌ای دقیق را توضیح می‌دهد.

این کتاب می‌تواند به عنوان پایه‌ای برای دوره کارشناسی و کارشناسی باشد. دوره های کارشناسی ارشد در فتوگرامتری، بینایی کامپیوتر و گرافیک کامپیوتری. همچنین برای محققان، مهندسان و توسعه دهندگان نرم افزار در صنایع فتوگرامتری و GIS، به ویژه کسانی که با روش های بینایی کامپیوتری هندسی مبتنی بر آماری درگیر هستند، مناسب است.

This textbook offers a statistical view on the geometry of multiple view analysis, required for camera calibration and orientation and for geometric scene reconstruction based on geometric image features. The authors have backgrounds in geodesy and also long experience with development and research in computer vision, and this is the first book to present a joint approach from the converging fields of photogrammetry and computer vision.

Part I of the book provides an introduction to estimation theory, covering aspects such as Bayesian estimation, variance components, and sequential estimation, with a focus on the statistically sound diagnostics of estimation results essential in vision metrology. Part II provides tools for 2D and 3D geometric reasoning using projective geometry. This includes oriented projective geometry and tools for statistically optimal estimation and test of geometric entities and transformations and their rela­tions, tools that are useful also in the context of uncertain reasoning in point clouds. Part III is de­voted to modelling the geometry of single and multiple cameras, addressing calibration and orienta­tion, including statistical evaluation and reconstruction of corresponding scene features and surfaces based on geometric image features. The authors provide algorithms for various geometric computa­tion problems in vision metrology, together with mathematical justifications and statistical analysis, thus enabling thorough evaluations. The chapters are self-contained with numerous figures and exer­cises, and they are supported by an appendix that explains the basic mathematical notation and a de­tailed index.

The book can serve as the basis for undergraduate and graduate courses in photogrammetry, com­puter vision, and computer graphics. It is also appropriate for researchers, engineers, and software developers in the photogrammetry and GIS industries, particularly those engaged with statistically based geometric computer vision methods.