计算机视觉的基本问题是：根据若干幅世界景物的图像求得对真实世界景物结构的理解。
本书解决这个基本问题所采用的技术源于摄影几何和摄影测量学。其与众不同的特色是采用未标定的方法——不需要知道或不必计算摄像机内部的参数就能得到问题的答案。本书以一个统一的框架，对近期关于景物重构的理论和实现两方面的主要发展做出详细的介绍。
### 计算机视觉中的多视图几何技术
#### 核心概念与背景
计算机视觉是一门研究如何使机器“看”的科学。它涉及到图像处理、模式识别、机器学习等多个领域，目标是从图像数据中提取有用的信息。在众多研究主题中，“根据若干幅世界景物的图像求得对真实世界景物结构的理解”是一项基本而重要的任务。这不仅关乎到场景理解，还涉及到物体识别、运动分析等一系列高级视觉功能。
#### 多视图几何的意义与作用
多视图几何（Multi-View Geometry）是解决这一基本问题的关键技术之一。它主要关注的是如何从多个不同角度拍摄的图像中重建三维场景。通过分析不同视角下的图像特征及其相互关系，可以推断出场景的三维结构以及相机的运动状态。这种技术对于许多应用场景至关重要，如机器人导航、自动驾驶汽车、虚拟现实和增强现实系统等。
#### 传统方法与未标定方法的对比
传统的摄影几何和摄影测量学方法通常需要依赖于相机的内参（例如焦距、光心位置等），这些参数可以通过校准过程获得。然而，韦穗教授在《计算机视觉多视图几何》一书中提出了一种新颖的方法——未标定的方法。这种方法的一个显著优点是不需要事先了解或计算相机的内部参数，而是直接利用图像间的几何约束来解决问题。这大大降低了应用门槛，并且使得该技术能够适用于更多实际场景中。
#### 统一框架下的理论进展
本书提供了一个统一的框架来讨论多视图几何的相关理论和技术。这包括但不限于以下几点：
1. **基础理论**：介绍了单应性矩阵、基本矩阵和本质矩阵等核心概念，这些都是连接不同视图间几何关系的重要工具。
2. **特征匹配**：讨论了如何有效地进行特征点检测和匹配，这是多视图几何重建的基础。
3. **三角化**：讲解了如何从两个或多个视图中估计点的三维坐标。
4. **自标定**：探讨了如何仅凭图像信息自动恢复相机参数。
5. **场景重构**：涵盖了从多视角图像中构建三维模型的各种算法和技术。
#### 实践应用与发展前景
随着计算机硬件性能的不断提升以及算法的不断优化，多视图几何技术正逐步应用于各种实际场景。例如，在自动驾驶领域，通过分析来自多个摄像头的图像数据，车辆能够更准确地感知周围环境；在无人机航拍中，该技术可以帮助实现精确的地形测绘；在文物保护方面，则可用于高精度的文物三维重建等。
《计算机视觉多视图几何》一书不仅为读者提供了全面系统的理论知识体系，而且还展示了这项技术在现实生活中的广泛应用潜力。随着研究的深入和技术的进步，我们有理由相信多视图几何将在未来发挥更加重要的作用。
