导语
内容提要
基于多视图立体视觉的运动恢复结构(Structure from Motion with Multi-View Stereo,SfM-MVS)方法使用标准紧凑型相机获得的图像和地面控制点网络,提供了超大尺度的地形模型。这一技术不再局限于时间频率,生成的点云数据的密度和精度与地面和机载激光扫描相当,但是成本仅为地面和机载激光扫描需要成本的部分。SfM-MVS方法提供了激动人心的机遇,它以前所未有的细节表征表面地形,以及通过多时相数据检测地球表面演化过程中高程、位置和体积的变化。本书首次将SfM置于其他数字测量方法的上下文环境中,详细介绍了SfM的工作流程,包括可用的软件包以及不确定性和精度的评估。然后,审慎地回顾了SfM方法在地球科学领域的应用现状,提供了近期SfM验证研究的综合分析,展望了未来,突出了相关学科发展带来的机遇。
乔纳森·卡里维克、马克·史密斯、邓肯·奎尼著的这本《运动恢复结构理论方法及地球科学应用(精)》可以作为地图学与地理信息工程(系统)、环境科学与工程、地理学、地质学、作战环境学等地球科学领域的研究生或本科生的辅助教材,也可以作为高等院校测绘科学与技术、遥感科学、地理信息科学等相关领域研究人员的科研参考书。
目录
1 面向地球科学的运动恢复结构概述
1.1 地球科学及其相关学科
1.2 本书目的和范围
1.3 现势性和重要性
1.4 什么是运动恢复结构?
1.4 本书结构
参考文献
2 运动恢复结构的地位:地形测量新范式
2.1 引言
2.2 直接地形测量法
2.3 远程数字测量
2.4 总结
参考文献
延伸阅读
3 运动恢复结构的背景知识
3.1 引言
3.2 特征检测
3.3 关键点对应
3.4 几何一致性匹配的识别
3.5 运动恢复结构
3.6 缩放和地理参考
3.7 参数值优化
3.8 MVS聚类
3.9 MVS图像匹配算法
3.10 总结
参考文献
延伸阅读
4 运动恢复结构实践
4.1 引言
4.2 平台
4.3 传感器
4.4 获取图像和地面控制点数据
4.5 软件
4.6 点云浏览器
4.7 滤波
4.8 从点云生成数字高程模型
4.9 关键问题
4.10 总结
参考文献
相关参考文献
延伸阅读
5 质量评估:SfM导出地形数据的误差量化
5.1 引言
5.2 验证数据集
5.3 验证方法
5.4 测量平台
5.5 测量距离和尺度
5.6 误差度量
5.7 地面控制点的分布
5.8 地形
5.9 软件
5.10 相机
5.11 结论
参考文献
延伸阅读
6 运动恢复结构在地球科学领域中的最新应用
6.1 前言
6.2 SfM-MVS衍生的正射影像拼接图的应用
6.3 面向三维点云的SfM-MVS应用
6.4 面向网格化地形的SfM-MVS应用
6.5 正射影像和点云的联合分析
6.6 跨越时间尺度:检测变化展示演变过程
6.7 基于实践者的SfM
6.8 总结
参考文献
延伸阅读
7 运动恢复结构在地球科学领域中的未来发展方向
7.1 引言
7.2 硬件的发展
7.3 不断发展的采集自动化
7.4 相片的有效管理和操作
7.5 点云生成和抽取
7.6 实时SfM-MVS和即时地图:同步定位与地图创建
7.7 增强现实
7.8 物体或表面运动的检测:非刚体
7.9 总结
参考文献
延伸阅读
8 运动恢复结构方法的关键建议
8.1 关键建议1:终端用户要理解SfM-MVS的本质,以便做出批判性思考
8.2 关键建议2:协同合作,以便理解误差的来源和幅值
8.3 关键建议3:关注研究问题
8.4 关键建议4:专注于数据处理工作
8.5 关键建议5:借鉴其他学科的经验
8.6 关键建议6:驾驭SfM-MVS的大众化力量
专业名词中英文对照