本课程的重点是从二维图像中复原场景的三维结构。特别是,我们对从固定摄像机(同一视角)拍摄的图像中重建刚性场景的三维结构感兴趣。这个问题非常有趣,因为我们希望场景的多幅图像能够捕捉到互补信息,尽管场景是刚性的,而摄像机是固定的。为了估算场景属性(深度、表面方向、材料属性等),我们首先定义了几个重要的辐射测量概念,如光源强度、表面照度、表面亮度、图像亮度和表面反射率。然后,我们解决了从阴影看形状这一具有挑战性的问题--从单幅图像中的阴影恢复表面的形状。接下来,我们展示了如果在改变光照方向的同时拍摄已知反射率的多幅场景图像,就能计算出每个场景点的表面法线。这种方法被称为光度立体法,它提供了一个密集的表面法线图,可以通过整合获得表面形状。

三维重建 - 单视角
本课程是 计算机视觉的基本原理 专项课程 的一部分

位教师:Shree Nayar
访问权限由 New York State Department of Labor 提供
5,169 人已注册
了解顶级公司的员工如何掌握热门技能

积累特定领域的专业知识
本课程是 计算机视觉的基本原理 专项课程 专项课程的一部分
在注册此课程时,您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书

该课程共有6个模块
涵盖的内容
8篇阅读材料2个讨论话题8个插件
涵盖的内容
1篇阅读材料7个作业2个讨论话题7个插件
涵盖的内容
1篇阅读材料7个作业2个讨论话题7个插件
涵盖的内容
1篇阅读材料6个作业2个讨论话题5个插件
涵盖的内容
1篇阅读材料5个作业2个讨论话题4个插件
涵盖的内容
2篇阅读材料6个作业2个讨论话题7个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(8个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情,我就可以学习。'

Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程,Coursera 便是最好的去处之一。'

Chaitanya A.
''学习不仅仅是在工作中做的更好:它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
95%
- 4 stars
5%
- 3 stars
0%
- 2 stars
0%
- 1 star
0%
显示 3/40 个
AY
已于 Sep 9, 2023审阅
Interesting material popular explained. Good as entry point into the Computer Vision world
VK
已于 Mar 26, 2023审阅
Very a great theoretical course! beginners to best understand of cv
MM
已于 Dec 27, 2022审阅
Professor Nayar is an amazing teacher and the lectures are pure gold. FPCV is a great introduction to computer vision.
从 计算机科学 浏览更多内容

Columbia University

Columbia University





