滚动查看课程
第 01 章 / 8
真实图像文件、像素坐标与可匹配观测
一张 PNG 怎样变成可供匹配的观测，而不借用生成场景时的三维真值？
本章学习目标
- 从原始像素而非手写点表提取观测
- 推导连通区域的统计量
- 建立可检查的检测失败边界
第 02 章 / 8
一般相机、旋转、投影与尺度
世界点经过旋转和平移后怎样投到像素，坐标、焦距和尺度各用什么单位？
本章学习目标
- 区分世界到相机变换与相机位置
- 推导针孔投影和位置雅可比
- 检查正深度、尺度与镜头模型边界
第 03 章 / 8
从标定图像估计一般相机矩阵
已知三维标靶和像素对应时，怎样建立 DLT 约束，并识别无法确定相机的退化输入？
本章学习目标
- 建立非共面标定靶的线性约束
- 推导归一化 DLT 与反归一化
- 识别退化、代数误差和像素误差的区别
第 04 章 / 8
对应关系、极线约束与错误匹配
两处亮斑颜色相近且满足极线约束时，为什么仍不能认定它们是同一个三维点？
本章学习目标
- 实现描述子距离、互为最近与比值筛选
- 从相机几何推导基础矩阵
- 区分几何一致与身份正确
第 05 章 / 8
三角化、深度敏感性与几何精化
两条像素观测怎样给出三维位置，为什么重投影误差很小也可能深度极不稳定？
本章学习目标
- 从一般相机的像素方程建立三角化
- 区分代数解、重投影与真实几何误差
- 计算视差误差到深度误差的传播
第 06 章 / 8
从点到场：表示、可见性与渲染假设
同一组点换成网格、体场或 Gaussian 后，可见性与渲染分别增加了哪些假设？
本章学习目标
- 比较点云、网格、体素与辐射场
- 推导深度缓冲和体渲染权重
- 明确当前Gaussian渲染器能解释的图像类型
第 07 章 / 8
真实训练一个可微 Gaussian 场景
像素误差怎样传回 Gaussian 的位置、颜色与半径，又有哪些场景不能靠拟合辨识？
本章学习目标
- 推导屏幕核与参数梯度
- 实施固定相机下的全参数光度拟合
- 区分优化改进与场景可识别性
第 08 章 / 8
共同版本的三维场景验收与失败报告
原件到新视角的链路跑通后，怎样联合核对几何、光度、错误对应和真值隔离？
本章学习目标
- 运行原件到新视图的完整链路
- 组织多口径评价和负对照
- 保存源码、输入、模型与实测收据
视觉与三维场景
从像素、相机和多视角，理解三维世界如何被表示。
进阶 · 8 课 · 建议 40 小时
课程范围与实验边界
八章独立推导贯通像素、坐标、一般旋转相机、非共面 DLT、极线与错误对应、三角化不确定性、体/场表示和可重复验收。CPU 项目读取原创合成 PNG，不以手写点表代替图像；训练84参数发光Gaussian模型，明确不等价完整NeRF或3DGS。
从实际图像自动提取观测，推导一般相机、标定、匹配与三角化，再真实训练小型 Gaussian 场景并渲染留出视角。
查看课程计划
课程信息
进阶
8 节讲义
7 段独立代码
40 小时
查看课程计划