LEARNDO / ĐỌC THEO LỘ TRÌNH
Bắt đầu với lịch sử và ý tưởng, xây nền tảng, thực hành thị giác 2D, rồi đi vào hình học 3D và kiến thức chuyên sâu. Mỗi bài vẫn có ví dụ, bài tập và chuỗi đọc riêng.
Đây là lịch đọc từ 261 bài đang công khai, không phải ngày xuất bản. Ngày đăng gốc được giữ trên từng bài. Ngày cuối được cân đối để có 2–4 bài; thời gian dưới đây chưa tính thực hành.
So bốn điểm phân bố rộng với bốn điểm gần thẳng hàng, đo sai số trên một lưới kiểm tra nằm ngoài các vị trí dùng để khớp.
Ghép hai vùng ảnh có chênh lệch sáng, tạo trọng số từ mặt nạ hợp lệ và xem vì sao blending không sửa được lỗi căn chỉnh.
Giải thuật toán tám điểm có chuẩn hóa, ép hạng hai và dùng sai số Sampson để kiểm tra ràng buộc hai góc nhìn.
Phân rã một ma trận essential thành bốn tư thế ứng viên, tam giác hóa và dùng cheirality để chọn cấu hình vật lý phù hợp.
Mô phỏng cùng mức nhiễu pixel ở ba baseline, so độ lệch chuẩn độ sâu với công thức truyền sai số bậc nhất.
Hai camera nhìn một điểm ở hai vị trí khác nhau trên ảnh. Với cặp ảnh đã hiệu chỉnh phù hợp, độ lệch ngang giúp suy ra độ sâu.
Tự dựng hai thể tích chi phí SSD, thống nhất quy ước dấu disparity và đo phần vùng không có tương ứng bị loại.
Dựng một tín hiệu liên tục có dịch chuyển biết trước, suy ra đỉnh parabol từ ba chi phí và kiểm tra khi nào phép nội suy nên bị từ chối.
Tự gom các điểm vào ô lưới, lấy centroid và kiểm tra một lỗi lượng tử hóa ở phía âm của gốc tọa độ.
Đếm láng giềng trong một point cloud nhỏ, kiểm tra điểm cô lập và thấy vì sao ngưỡng mật độ cần gắn với điều kiện đo.
Tạo hai tập điểm liên hệ bởi một phép biến đổi đã biết, dùng Kabsch để khôi phục quay và tịnh tiến rồi kiểm tra định thức.
Tự viết vòng nearest-neighbor và Kabsch trên điểm tổng hợp, ghi đường giảm sai số và nêu rõ vai trò của khởi tạo.
Thêm một điểm xa vào tập đích rồi so khoảng cách source-to-target, target-to-source, trung bình và percentile.
Từ các điểm ảnh của một ellipse nghiêng, xây covariance, phân rã trị riêng và phục hồi góc cùng bán trục. Phân biệt tóm tắt phân bố khối lượng với khớp đường bao.
Kiểm tra tính bất biến của Hu trên lưới pixel bằng các phép biến đổi không nội suy. Quan sát vì sao phản chiếu đổi dấu thành phần thứ bảy và log cần xử lý số gần không.
Hai điểm có cùng khoảng cách Euclid có thể khác mức độ bất thường trong một phân bố kéo dài. Tính Mahalanobis bằng giải hệ và kiểm tra phép làm trắng covariance.
Đếm điểm đường bao không bằng đo chu vi. So sánh Freeman, hệ số hiệu chỉnh và chu vi đường tròn liên tục qua nhiều bán kính, với kiểm tra độc lập bằng arcLength.
Một vân có tần số biết trước biến thành vân chậm hơn khi lấy cách hai pixel. Đo đỉnh phổ và độ dao động để thấy vai trò của lọc trước khi giảm mẫu.
Lưu phần dư giữa hai mức Gaussian để đảo lại toàn ảnh. Kiểm tra trên kích thước lẻ và đo sai số khi bỏ mức chi tiết mịn nhất.
Dựng nhiễu tuần hoàn có tần số biết trước, loại cả cặp liên hợp và kiểm tra sai số phức cùng MSE. Hiểu vì sao cách làm lý tưởng không tự áp dụng nguyên xi cho ảnh thật.
Đối chiếu tích chập trực tiếp với FFT có kích thước M+K−1. Một vật sát mép làm lộ rõ lỗi quấn vòng khi dùng FFT cùng kích thước ảnh.