本书涵盖了摄像机投影矩阵、基本矩阵和三焦点张量的几何原理、和它们的代数表达，并配有实际的例子，如它们在由多幅图像进行景物重构中的应用。

本资源包含：慕尼黑工业大学（TUM）Multiple View Geometry课程讲义、作业和作业解答

为了提升传统多视图K-means算法在高维数据中的聚类性能，提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC（robust multi-view subKmeans clustering）。通过寻找单个视图上的最优子空间实现高维数据的自降维，利用非负矩阵分解（NMF）对损失函数进行重构，使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补，完成大规模多视图数据的聚类。实验结果表明，在大规模多视图数据集上，该算法比其他多视图聚类算法资源消耗更小，并且能够进行更为准确的聚类。

将一系列二维dicom图像读入内存，叠成一个三维体数据。然后，通过中心点和方向，利用插值算法，对三维体数据切片，最终将切片结果写出成一系列jpg图像。

日常android开发中，经常会遇到一个界面需要多种状态来回切换，如加载、内容、错误、空白。可以根据MultiStateView的 来打造适合自己的多视图控制组件，使view在不同的状态下显示不同的视图，比如加载界面，空白界面，错误界面。

本书全面介绍了近10年来发展的基于几何的计算机视觉计算方法及其数学基础。除了上述内容外，其中多摄像机视图几何及其计算方法，值得读者关注。这是因为当前计算机的性能价格比大大提高，使人们有条件在视觉系统中使用更多的摄像机，以利用冗余的信息，来换取系统对噪声的鲁棒性。系统对噪声的鲁棒性一直是实用计算机视觉系统的瓶颈问题，解决该问题的可能的办法是：提高摄像机的分辨率、多摄像机方法和近年来大量引进的统计最优化鲁棒算法(本书许多章节也有描述)。本书对我国专门从事计算机视觉研究的读者有较好的参考价值。此外，从事相关数学领域研究的人士也值得一读

可用于视觉slam学习参考，或者计算机领域视觉中的多视图几何参考教材第二版英文

基于深度的基于图像融合和盲去模糊的多视图超分辨率方法

计算机视觉中的多视图几何的英文原版，第二版， Richard Hartley / Andrew Zisserman著。3D重建必备圣经。 清晰非扫描，有标签，彩色。

基于非并行支持向量机的多视图学习