掌握图像去噪滤波方法及各自特点； 掌握常用的图像边缘检测算子，及Canny算子基本原理； 掌握灰度阈值化及大津算法； 掌握常见的图像特征描述方式； 了解局部阈值分割、区域生长、分水岭算法及基于轮廓的阈值分割； 通过米粒检测实例掌握图像预处理、分割及特征分析的综合实现； 了解Hough变换基本思想及直线检测步骤； 掌握Harris角点检测的基本思想及实现步骤； 了解尺度空间概念及SIFT特征提取的基本思想； 了解ORB中快速特征检测及BRIEF特征建立方法； 掌握前述算子的OpenCV实
1. 简述仿射变换和透视变换的基本概念，并用实例说明。 2. 结合图简述图像坐标系、相机坐标系和世界坐标系的定义，并说明三者之间的变换关系。 3. 什么是相机的内、外参数矩阵？实际中你能结合身边的实例(如电脑摄像头、手机镜头)说明这些参数的大致值么？ 4. 说明使用线性法求解相对位姿时的要求输入和输出，以及求解的基本思想。 5. 说明使用Zhang方法进行相机标定需要的输入条件和得到的具体输出量，以及Zhang方法的主要步骤
1. 试画图说明极线几何关系，并指出极点、极线所在，解释极线约束。 2. 结合本质矩阵的定义，说明本质矩阵的意义，同时思考与上一周中平面点对应透视矩阵的区别。 3. 说明三维重构的步骤，并指出输入及输出要求。 4. 说明特征匹配的步骤，进一步说明基于k-d树的特征匹配方法的思路。 5. 说明RANSAC方法的基本思想及实施步骤。
问题描述 运⾏课上给出的notebook的代码： https://www.tinymind.com/ai100/notebooks/74 给出代码的运⾏log截图并提供⼼得体会⽂档描述对整个模型构建及训练过程的理解。 解题提示 作业格式要求： 1. 提交jupyter notebook生成的可执行文件（.ipynb文件）或者pycharm生成的包含源码的.py文 件，所有题目完成在同一个文件内即可。 2. 将输出结果截图，和心得体会整理成一份markdown格式的文档，或输出为pdf格式，并提交。 批改标准 代码不作为评判标准，如果运⾏正确，则认为代码没有错误。 没有明显报错的正常的log输出 60分。 对模型结构的理解10分。 对模型训练过程（梯度如何计算，参数如何更新）的理解10分。 对计算图的理解10分。 解释这⾥的模型为什么效果⽐较差10分。
