《智能摄影测量学导引》：
闭环探测的本质是识别同一场景不同时刻拍摄的（非连续）像片。视觉词库是闭环探测的基本策略。其思路是：首先采用特征提取算子提取每张像片的特征，实际操作中可有意控制特征点的数量和分布。将这些特征作为像片的整体描述，存储到内存或外存中。然后对于新获取的像片，同样提取特征，并与之前拍摄像片的特征集合逐一进行比较。例如，在某张像片中发现大量的重复特征，则判断为闭环。
闭环探测的方法依然处在发展中。视觉词库法的缺点在于词典，即特征本身。常用的SIFT难以处理较大的光照变化；视角变化也可能造成匹配失败，此外，重复场景也会引起闭环探测失误。可用的补救方法包括：将相对几何约束加入到视觉词库的全局搜索中，有效减少搜索空间；采用更稳健的辐射、几何不变特征；等等。
5.4.3多源图像匹配
多源图像匹配指从不同的数据源中寻找相同的特征。图像可能同属光学成像，如分别来自街景图像和航空图像；也可能分别来自光学图像与雷达距离成像。与同源光学图像匹配类似，异源光学图像的匹配同样需要考虑几何变形和辐射变形，此外，可能还需要考虑时间差异带来的变化。这些变化反映在像素值自身上，是真实的事物变化还是虚假的条件变化都会对匹配造成影响。多源光学图像匹配的策略一般是先匹配那些明显的特征，如线、面等，再去匹配更多的同名点；利用SIFT、Harris等角点匹配也是常见的方案。
……

目录
第1章 基础 1
1.1 物理相关 1
1.1.1 光与视觉 1
1.1.2 传感器与图像 2
1.1.3 摄影平台 4
1.2 几何变换 5
1.2.1 点、线、面、角 5
1.2.2 几何变换的层次 9
1.2.3 从3D到2D的几何变换 10
1.3 数学基础 13
1.3.1 线性时不变系统和图像处理 13
1.3.2 最小二乘平差 19
1.3.3 粗差的处理 21
1.3.4 系统误差的处理 23
1.3.5 最大似然，最大后验及贝叶斯定理 24
1.3.6 变分法 25
1.4 数学工具和平台 29
1.4.1 代数运算工具 29
1.4.2 OpenCV库 29
1.4.3 深度学习平台 30
课后习题 31
第2章 单像解析 32
2.1 坐标系统 32
2.1.1 图像坐标系 32
2.1.2 传感器坐标系 34
2.1.3 平台坐标系 34
2.1.4 局部切平面坐标系 35
2.1.5 地心直角坐标系 35
2.2 普通光学相机的成像模型 35
2.2.1 平面相机 35
2.2.2 线阵相机 36
2.2.3 鱼眼相机 37
2.2.4 通用几何成像模型 39
2.3 全景相机的四种成像模型 43
2.3.1 理想的全景相机 43
2.3.2 多镜头组合式全景相机 45
2.3.3 旋转式全景相机 46
2.3.4 折反射式全景相机 47
2.4 单像解析的一些补充 48
2.4.1 空间后方交会和解法 48
2.4.2 共线条件方程的正算和反算 49
2.4.3 灭点与灭线 50
2.4.4 相机检校 51
课后习题 53
第3章 立体几何 54
3.1 普通核线几何 54
3.2 线阵相机的核线 57
3.3 全景相机的核线 58
3.4 三视几何 59
3.4.1 基于线的三视几何 59
3.4.2 三焦点张量 61
3.5 核线几何的一些补充 63
3.5.1 核线立体像对 63
3.5.2 立体模型的绝对定向 64
3.5.3 前方交会和立体重建 65
课后习题 66
第4章 运动成像平台的定位方法 67
4.1 贝叶斯理论框架下的通用定位模型 67
4.1.1 光束法平差的缺点 67
4.1.2 通用定位模型 68
4.2 光束法区域网平差 69
4.2.1 基本方法 69
4.2.2 光束法平差的初值 73
4.2.3 光束法平差的控制条件 75
4.2.4 自检校光束法平差 77
4.3 卡尔曼滤波 78
4.3.1 离散卡尔曼滤波 79
4.3.2 扩展卡尔曼滤波 81
4.4 粒子滤波 83
4.4.1 蒙特卡罗和马尔可夫链 83
4.4.2 用带权粒子表达概率分布 84
4.4.3 粒子滤波算法 85
4.5 一些补充 87
4.5.1 从运动恢复结构 87
4.5.2 SLAM与VisualSLAM 87
课后习题 91
第5章 图像匹配 92
5.1 特征与特征提取 92
5.1.1 什么是好特征？ 92
5.1.2 Harris算子 93
5.1.3 SIFT算子 95
5.1.4 A-SIFT与最小二乘匹配 97
5.2 图像匹配 99
5.2.1 几种相似性测度 99
5.2.2 误匹配处理 100
5.2.3 匹配效率 102
5.3 图像密集匹配 103
5.3.1 概述 104
5.3.2 近似全局匹配方法 104
5.3.3 半全局方法 107
5.4 一些补充 110
5.4.1 视觉词袋 110
5.4.2 闭环探测 110
5.4.3 多源图像匹配 111
5.4.4 非线性光照与本征图像分解 111
课后习题 113
第6章 相机与激光雷达的融合 114
6.1 传感器静态检校 114
6.1.1 相机与GPS、IMU的检校 114
6.1.2 基于线的共线条件方程 115
6.1.3 激光雷达与相机的检校 115
6.2 数据级融合 117
6.2.1 看作2D-3D或3D-3D刚体配准问题 117
6.2.2 考虑激光点云中的误差 118
6.3 几何级融合 119
6.3.1 LiDAR辅助的尺度约束 119
6.3.2 几何约束下的闭环探测 120
6.4 三维场景生成 121
6.4.1 基于图像的三维场景生成 121
6.4.2 基于点云的三维场景生成 123
6.4.3 基于图像和点云融合的三维场景生成 124
6.5 一些补充 124
6.5.1 机载激光雷达 124
6.5.2 RGB-D相机与Kinect 125
6.5.3 三维建模 125
课后习题 126
第7章 专题图、深度学习与智能摄影测量 127
7.1 数字地图 127
7.1.1 数字高程模型 127
7.1.2 数字正射图像 129
7.1.3 数字线划图 130
7.2 深度学习 132
7.2.1 历史 132
7.2.2 基础 133
7.2.3 深度卷积神经元网络 136
7.3 专题图及深度卷积神经元网络的应用 137
7.3.1 图像检索专题图 137
7.3.2 语义分割专题图 139
7.3.3 目标识别专题图 140
7.3.4 实例分割专题图 143
7.3.5 矢量提取专题图 143
7.3.6 基于深度学习的立体匹配 144
7.4 深度学习在建筑物提取中的应用 147
7.4.1 建筑物开源数据库的建立 147
7.4.2 建筑物语义分割 149
7.4.3 建筑物实例分割 150
7.4.4 建筑物矢量提取 151
7.5 展望智能摄影测量时代 152
课后习题 153
参考文献 154

《智能摄影测量学导引》系统讲述现代摄影测量学的知识体系、方法及应用。第1章为《智能摄影测量学导引》基础，介绍几何成像、传感器技术、摄影平台、图像处理以及优化方法等。第2，3章分别介绍单目视觉和双目视觉，它们是摄影测量中几何概念的主体部分。第4章阐述运动平台的定位方法，并将传统的光束法平差推广为贝叶斯理论框架下的动态优化问题。第5章介绍图像匹配，包括用于同名点提取的稀疏匹配和用于立体重建的密集匹配。第6章介绍激光雷达与光学图像的多层次融合。第7章介绍专题图和深度学习，并指出以深度学习为主的人工智能方法将为语义专题图的自动生产提供良好的解决方案。语义专题图的制作是数字摄影测量时代多年来可望不可及的目标，这预示着一个新的时代——智能摄影测量时代的到来。