360 影像拼接的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

計算器視覺與深度學習實戰：以MATLAB、Python為工具

為了解決360 影像拼接的問題，作者劉衍琦詹福宇王德建 這樣論述：

本書詳細講解了36個電腦視覺與深度學習實戰案例（含可運行程式），涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數位浮水印、圖像檢索、人臉二維碼識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數位元識別、英文字元文本識別、眼前節組織提取、全景圖像拼接、小波圖像融合、基於語音辨識的音訊信號模擬燈控、路面裂縫檢測識別、視頻運動估計追蹤、Simulink影像處理、胸片及肝臟分割、基於深度學習的汽車目標檢測、基於電腦視覺的自動駕駛應用、基於深度學習的視覺場景識別、基於深度特徵的以圖搜畫、基於CNN的字元識別、基於CNN的物體識別、基於CNN的圖像矯正、基於LSTM的時間序列分析、基於深度學習的以圖搜圖技術、

基於YOLO的智慧交通目標檢測等多項重要技術及應用，涵蓋了數位元影像處理中幾乎所有的基本模組，並延伸到了深度學習理論及其應用方面。 工欲善其事，必先利其器，本書對每個數位元影像處理的知識點都提供了豐富、生動的案例素材，並以MATLAB、Python為工具詳細講解了實驗的核心程式。通過對這些程式的閱讀、理解和模擬運行，讀者可以更加深刻地理解影像處理的內容，並且更加熟練地掌握電腦視覺及深度學習在不同實際領域中的用法。 本書以案例為基礎，結構佈局緊湊，內容深入淺出，實驗簡捷高效，適合電腦、信號通信和自動化等相關專業的教師、本科生、研究生，以及廣大從事數位元影像處理的工程研發人員閱讀參考。  

劉衍琦，機器學習演算法專家及視覺AI課程講師，擅長視覺智慧分析、多源異構資料獲取和挖掘等工程化應用，並長期從事視覺大資料工程相關工作，涉及互 聯網海量圖像、聲紋、視頻檢索，以及OCR圖文檢索、手繪草圖智慧識別、特殊通道資料分析等應用的演算法架構與研發，對圖文識別、大規模以圖搜圖、資料感知 和採集等進行過深入研究，並結合行業背景推動了一系列工程化應用。曾主編和參與編寫多本書籍。 詹福宇，博士，資深飛行控制演算法專家，畢業于西北工業大學航空學院飛行器設計專業。擁有近10年模擬控制開發經驗，熟悉Simulink基於模型設計的流程，曾主編和參與編寫多本書籍。 王德建，檔案管理副研

究館員，畢業于西安建築科技大學系統工程專業，從事檔案數位化、智慧化分類、OCR圖文檢索、圖像智慧識別相關工作。 陳峰蔚，熟悉機器學習、深度學習及電腦視覺在智慧交通、智慧駕駛領域的應用，長期從事汽車品牌識別、車型細細微性分類、目標檢測與分割方面的相關工作，精通MATLAB、Python程式設計及TensorFlow深度學習框架，參與了多項專利的設計與開發。 蔣獻文，資深專業醫事放射師，畢業于中國醫藥大學醫學院臨床醫學研究所。擅長醫學影像處理技術、放射線射影技術及手術房電腦斷層與血管攝影技術，在臨床放射技術學與影像處理方面進行過深入研究並發表了相關醫學論文。 周華英，新能源汽車高級工程師，畢

業于北京交通大學交通運輸規劃與管理專業。長期進行純電動及混合動力汽車系統建模與控制、汽車動力系統與控制、電動汽車能量管理和控制優化等研究，曾主編和參與編寫多本書籍。   第1章基於長條圖優化的圖像去霧技術1 1.1案例背景1 1.2理論基礎1 1.2.1空域圖像增強1 1.2.2長條圖均衡化2 1.3程式實現3 1.3.1設計GUI介面4 1.3.2全域長條圖處理4 1.3.3局部長條圖處理6 1.3.4Retinex增強處理8 1.4延伸閱讀12   第2章基於形態學的權重自我調整圖像去噪13 2.1案例背景13 2.2理論基礎14 2.2.1圖像去噪的方法14 2.2.

2數學形態學的原理15 2.2.3權重自我調整的多結構形態學去噪15 2.3程式實現16 2.4延伸閱讀22   第3章基於多尺度形態學提取眼前節組織24 3.1案例背景24 3.2理論基礎25 3.3程式實現28 3.3.1多尺度結構設計28 3.3.2多尺度邊緣提取29 3.3.3多尺度邊緣融合31 3.4延伸閱讀33   第4章基於Hough變化的答題卡識別34 4.1案例背景34 4.2理論基礎34 4.2.1圖像二值化35 4.2.2傾斜校正35 4.2.3圖像分割38 4.3程式實現40 4.3.1圖像灰度化40 4.3.2灰度圖像二值化41 4.3.3圖像平滑濾波41 4.3.4

圖像矯正41 4.3.5完整性核查42 4.4延伸閱讀51   第5章基於閾值分割的車牌定位識別53 5.1案例背景53 5.2理論基礎53 5.2.1車牌影像處理54 5.2.2車牌定位原理58 5.2.3車牌字元處理58 5.2.4車牌字元識別60 5.3程式實現62 5.4延伸閱讀69   第6章基於分水嶺分割進行肺癌診斷71 6.1案例背景71 6.2理論基礎71 6.2.1模擬浸水的過程72 6.2.2模擬降水的過程72 6.2.3過度分割問題72 6.2.4標記分水嶺分割演算法72 6.3程式實現73 6.4延伸閱讀77   第7章基於主成分分析的人臉二維碼識別79 7.1案例背景

79 7.2理論基礎79 7.2.1QR二維碼簡介80 7.2.2QR二維碼的編碼和解碼流程82 7.2.3主成分分析方法84 7.3程式實現85 7.3.1人臉建庫85 7.3.2人臉識別87 7.3.3人臉二維碼87 7.4延伸閱讀92   第8章基於知識庫的手寫體數位識別94 8.1案例背景94 8.2理論基礎94 8.2.1演算法流程94 8.2.2特徵提取95 8.2.3模式識別96 8.3程式實現97 8.3.1影像處理97 8.3.2特徵提取98 8.3.3模式識別101 8.4延伸閱讀102 8.4.1識別器選擇102 8.4.2特徵庫改善102   第9章基於特徵匹配的英文印

刷字元識別103 9.1案例背景103 9.2理論基礎104 9.2.1圖像預處理104 9.2.2圖像識別技術105 9.3程式實現106 9.3.1介面設計106 9.3.2回檔識別111 9.4延伸閱讀112   第10章基於不變矩的數位驗證碼識別113 10.1案例背景113 10.2理論基礎114 10.3程式實現114 10.3.1設計GUI介面114 10.3.2載入驗證碼圖像115 10.3.3驗證碼圖像去噪116 10.3.4驗證碼數字定位118 10.3.5驗證碼歸一化120 10.3.6驗證碼數位識別121 10.3.7手動確認並入庫124 10.3.8重新生成範本庫12

5 10.4延伸閱讀128   第11章基於小波技術進行圖像融合129 11.1案例背景129 11.2理論基礎130 11.3程式實現132 11.3.1設計GUI介面132 11.3.2圖像載入133 11.3.3小波融合135 11.4延伸閱讀137   第12章基於塊匹配的全景圖像拼接138 12.1案例背景138 12.2理論基礎138 12.2.1圖像匹配139 12.2.2圖像融合141 12.3程式實現142 12.3.1設計GUI介面142 12.3.2載入圖片143 12.3.3圖像匹配144 12.3.4圖像拼接148 12.4延伸閱讀153   第13章基於霍夫曼圖像編

碼的圖像壓縮和重建155 13.1案例背景155 13.2理論基礎155 13.2.1霍夫曼編碼的步驟156 13.2.2霍夫曼編碼的特點157 13.3程式實現158 13.3.1設計GUI介面158 13.3.2壓縮和重建159 13.3.3效果對比164 13.4延伸閱讀167   第14章基於主成分分析的圖像壓縮和重建168 14.1案例背景168 14.2理論基礎168 14.2.1主成分降維分析原理168 14.2.2由得分矩陣重建樣本169 14.2.3主成分分析資料壓縮比170 14.2.4基於主成分分析的圖像壓縮170 14.3程式實現171 14.3.1主成分分析的原始程式

碼171 14.3.2圖像陣列和樣本矩陣之間的轉換172 14.3.3基於主成分分析的圖像壓縮173 14.4延伸閱讀176   第15章基於小波的圖像壓縮技術177 15.1案例背景177 15.2理論基礎178 15.3程式實現180 15.4延伸閱讀188   第16章基於融合特徵的以圖搜圖技術189 16.1案例背景189 16.2理論基礎189 16.3程式實現191 16.3.1圖像預處理191 16.3.2計算特徵191 16.3.3圖像檢索194 16.3.4結果分析194 16.4延伸閱讀196   第17章基於Harris的角點特徵檢測198 17.1案例背景198 17.

2理論基礎199 17.2.1Harris的基本原理199 17.2.2Harris演算法的流程201 17.2.3Harris角點的性質201 17.3程式實現202 17.3.1Harris演算法的代碼202 17.3.2角點檢測實例204 17.4延伸閱讀205   第18章基於GUI搭建通用視頻處理工具206 18.1案例背景206 18.2理論基礎206 18.3程式實現208 18.3.1設計GUI介面208 18.3.2實現GUI介面209 18.4延伸閱讀220   第19章基於語音辨識的信號燈圖像 模擬控制技術221 19.1案例背景221 19.2理論基礎221 19.3程

式實現223 19.4延伸閱讀232   第20章基於幀間差法進行視頻目標檢測234 20.1案例背景234 20.2理論基礎234 20.2.1幀間差分法235 20.2.2背景差分法236 20.2.3光流法236 20.3程式實現237 20.4延伸閱讀24   第21章路面裂縫檢測系統設計247 21.1案例背景247 21.2理論基礎247 21.2.1圖像灰度化248 21.2.2圖像濾波250 21.2.3圖像增強252 21.2.4圖像二值化253 21.3程式實現255 21.4延伸閱讀267   第22章基於K-means聚類演算法的圖像分割268 22.1案例背景268

22.2理論基礎268 22.2.1K-means聚類演算法的原理268 22.2.2K-means聚類演算法的要點269 22.2.3K-means聚類演算法的缺點270 22.2.4基於K-means聚類演算法進行圖像分割270 22.3程式實現271 22.3.1樣本間的距離271 22.3.2提取特徵向量272 22.3.3圖像聚類分割273 22.4延伸閱讀275   第23章基於光流場的車流量計數應用276 23.1案例背景276 23.2理論基礎276 23.2.1基於光流法檢測運動的原理276 23.2.2光流場的主要計算方法277 23.2.3梯度光流場約束方程278 23.

2.4Horn-Schunck光流演算法280 23.3程式實現281 23.3.1計算視覺系統工具箱簡介281 23.3.2基於光流法檢測汽車運動282 23.4延伸閱讀287   第24章基於Simulink進行圖像和視頻處理289 24.1案例背景289 24.2模組介紹289 24.2.1分析和增強模組庫（Analysis和Enhancement）290 24.2.2轉化模組庫（Conversions）291 24.2.3濾波模組庫（Filtering）292 24.2.4幾何變換模組庫（GeometricTransformations）292 24.2.5形態學操作模組庫（Morph

ologicalOperations）292 24.2.6輸入模組庫（Sources）293 24.2.7輸出模組庫（Sinks）293 24.2.8統計模組庫（Statistics）294 24.2.9文本和圖形模組庫（Text和Graphic）295 24.2.10變換模組庫（Transforms）295 24.2.11其他工具模組庫（Utilities）295 24.3模擬案例296 24.3.1搭建組織模型296 24.3.2模擬執行模型298 24.3.3自動生成報告299 24.4延伸閱讀302   第25章基於小波變換的數位浮水印技術304 25.1案例背景304 25.2理論基

礎304 25.2.1數位浮水印技術的原理305 25.2.2典型的數位浮水印演算法307 25.2.3數字浮水印攻擊和評價309 25.2.4基於小波的浮水印技術310 25.3程式實現312 25.3.1準備載體和浮水印圖像312 25.3.2小波數字浮水印的嵌入313 25.3.3小波數字浮水印的提取317 25.3.4小波浮水印的攻擊試驗319 25.4延伸閱讀323   第26章基於最小誤差法的胸片分割技術325 26.1案例背景325 26.2理論基礎325 26.2.1圖像增強326 26.2.2區域選擇326 26.2.3形態學濾波327 26.2.4基於最小誤差法進行胸片分割

328 26.3程式實現329 26.3.1設計GUI介面329 26.3.2圖像預處理330 26.3.3基於最小誤差法進行圖像分割333 26.3.4形態學後處理335 26.4延伸閱讀338   第27章基於區域生長的肝臟影像分割系統339 27.1案例背景339 27.2理論基礎340 27.2.1閾值分割340 27.2.2區域生長340 27.2.3基於閾值預分割的區域生長341 27.3程式實現342 27.4延伸閱讀346   第28章基於電腦視覺的自動駕駛應用347 28.1案例背景347 28.2理論基礎348 28.2.1環境感知348 28.2.2行為決策348 28.

2.3路徑規劃349 28.2.4運動控制349 28.3程式實現349 28.3.1感測器資料載入349 28.3.2追蹤器創建351 28.3.3碰撞預警353 28.4延伸閱讀358   第29章基於深度學習的汽車目標檢測359 29.1案例背景359 29.2理論基礎360 29.2.1基本架構360 29.2.2卷積層360 29.2.3池化層362 29.3程式實現362 29.3.1載入數據362 29.3.2構建CNN364 29.3.3訓練CNN365 29.3.4評估訓練效果367 29.4延伸閱讀368   第30章基於深度學習的視覺場景 識別370 30.1案例背景37

0 30.2理論基礎371 30.3程式實現371 30.3.1環境配置372 30.3.2資料集製作373 30.3.3網路訓練375 30.3.4網路測試381 30.4延伸閱讀383   第31章深度學習綜合應用385 31.1應用背景385 31.2理論基礎387 31.2.1分類識別387 31.2.2目標檢測391 31.3案例實現1：基於CNN的數位識別395 31.3.1自訂CNN397 31.3.2AlexNet399 31.3.3基於MATLAB進行實驗設計405 31.3.4基於TensorFlow進行實驗設計413 31.3.5實驗小結418 31.4案例實現2：基於C

NN的物體識別418 31.4.1CIFAR-10資料集418 31.4.2VggNet421 31.4.3ResNet422 31.4.4實驗設計424 31.4.5實驗小結432 31.5案例實現3：基於CNN的圖像矯正432 31.5.1傾斜資料集432 31.5.2自訂CNN回歸網路434 31.5.3AlexNet回歸網路436 31.5.4實驗設計437 31.5.5實驗小結445 31.6案例實現4：基於LSTM的時間序列分析445 31.6.1厄爾尼諾南方濤動指數資料446 31.6.2樣條擬合分析446 31.6.3基於MATLAB進行LSTM分析448 31.6.4基於Ke

ras進行LSTM分析451 31.6.5實驗小結455 31.7案例實現5：基於深度學習的以圖搜圖技術455 31.7.1人臉的深度特徵455 31.7.2AlexNet的特徵460 31.7.3GoogleNet的特徵461 31.7.4深度特徵融合計算462 31.7.5實驗設計462 31.7.6實驗小結467 31.8案例實現6：基於YOLO的交通目標檢測應用467 31.8.1車輛目標的YOLO檢測468 31.8.2交通標誌的YOLO檢測475 31.9延伸閱讀481  

無人機攝影與攝像技巧大全

為了解決360 影像拼接的問題，作者王肖一 這樣論述：

本書以大疆無人機為例，針對中國無人機航拍愛好者的拍攝習慣，做了深度解析。本書涉及了無人機航拍中的飛行安全、配件準備、飛行操控、靜態圖片與動態視頻拍攝技巧與後期處理等內容，囊括了航拍需要瞭解的方方面面的知識。無論你是正考慮購置一架無人機的玩家，或是航拍初學者，甚至是具有一定飛行經驗的專業飛手，都能從這本全面的書中找到實用的資訊。 王肖一，畢業于上海交通大學。8KRAW簽約攝影師，視覺中國簽約攝影師，上海環球金融中心簽約攝影師，抖音短視頻內容創作者，《上海旅行家》會員。 【第一篇　飛手入門篇】 第1章　無人機的安全使用與法律知識 003 1.1　小心炸機，這些

情況下飛不得 004 1.1.1　這五種氣候飛不得 004 1.1.2　沒有GPS信號飛不得 005 1.2　電池與機身的維護及保養 005 1.2.1　延長電池的壽命 005 1.2.2　受損的電池，應該這樣處理 007 1.2.3　外出飛行，電池要這樣保管 007 1.2.4　定期給無人機做體檢，這樣才安全 008 1.3　有去無回？飛行前檢查能不能飛 009 1.3.1　飛行前，這些需要提前知道 010 1.3.2　有兩種方式查限飛區域 010 1.3.3　這些城市全城禁飛 012 1.3.4　要想安全，不要超過這個飛行高度 013 第2章　認識無人機與正確使用配件 015 2.1　這

三款無人機，最受大眾喜愛 016 2.1.1　什麼是無人機 016 2.1.2　大疆精靈系列 016 2.1.3　大疆禦系列 017 2.1.4　大疆悟系列 018 2.2　如何選擇性價比高的無人機 018 2.2.1　購買前先看這裡，別浪費錢 018 2.2.2　無人機自帶的物品清單，要知曉 019 2.2.3　掌握這些參數，明白自己的需求 020 2.3　要想安全，先認識這些配件的使用 022 2.3.1　遙控器：熟悉功能，才能熟練飛好 022 2.3.2　狀態顯示幕：熟知提示，心裡有數 024 2.3.3　操作杆：掌握好方向，才能不炸機 025 2.3.4　雲台：要想拍好片子，這個是關鍵

026 2.3.5　螺旋槳：告訴你最快的安裝技巧 027 2.3.6　電池充不進電？可能是方法不對 029 第3章　無人機的驗貨、開機注意事項 031 3.1　你的機器是不是正品？驗驗才知道 032 3.1.1　開箱驗貨，排除基本的安全隱患 032 3.1.2　核對物品清單，少一樣都不划算 032 3.1.3　試飛無人機，檢驗性能是關鍵 032 3.2　第一次開機，你需要注意這些要點 033 3.2.1　檢查無人機狀態，保證飛行的安全 033 3.2.2　注意無人機與遙控器的開關機順序 034 3.2.3　這才是固件升級最正確的操作方式 034 3.3　注意這些，才能確保飛行的安全 036

3.3.1　飛手與雲台手的注意事項 036 3.3.2　地勤人員注意事項 037 3.3.3　無人機升空注意事項 037 3.3.4　無人機返航/降落注意事項 037 第4章　飛行過程中突發事件應急處理 039 4.1　特殊環境，如何應對 040 4.1.1　深夜飛行找不到無人機怎麼辦 040 4.1.2　空中飛行遇海鷗突襲怎麼辦 041 4.1.3　飛行中突遇大風怎麼辦 041 4.2　信號失聯，如何處理 041 4.2.1　飛行中GPS信號丟失怎麼辦 041 4.2.2　拍攝時圖傳信號丟失怎麼辦 042 4.2.3　遙控器信號中斷了怎麼辦 042 4.2.4　指南針受到干擾怎麼辦 04

2 4.3　設備意外，如何解決 043 4.3.1　返航時電量不足怎麼辦 043 4.3.2　無人機在空中失聯了怎麼辦 043 4.3.3　無人機炸機了，如何處理 045 第5章　無人機適合在哪些環境中飛行 047 5.1　無人機適合在哪些環境中飛行 048 5.1.1　鄉村地區人少，房子也少 048 5.1.2　山區拍攝的風景很美，場景震撼 049 5.1.3　水面拍攝建築倒影，美不勝收 051 5.1.4　公園空氣清新，適合外拍取景 052 5.1.5　在城市上空俯瞰大地 052 5.1.6　夜間拍攝流光車影，燈火闌珊 053 5.2　運用工具挑選有趣的拍攝點 054 5.2.1　奧維互

動地圖APP，尋找地點最方便 055 5.2.2　全球潮汐APP，熟知日出日落時間 057 5.3　高頻炸機，這些環境要特別小心 061 5.3.1　機場和機場附近 061 5.3.2　高樓林立的CBD，影響無人機信號 061 5.3.3　四周有鐵欄杆和信號塔，會讓指南針受干擾 061 5.3.4　有高壓線的地方，信號受干擾，容易炸機 062 5.3.5　放風箏的地方，容易讓電機和螺旋槳受傷 063 5.3.6　室內無GPS信號的場所，容易撞到物件 063 【第二篇　攝影實戰篇】 第6章　掌握無人機攝影的航拍取景法 067 6.1　構圖取景，這三個角度很重要 068 6.1.1　平視：展現畫

面的真實細節 068 6.1.2　仰視：強調高度和視覺透視感 068 6.1.3　俯視：體現縱深感和層次感 069 6.2　掌握兩個點，分清畫面主次關係 070 6.2.1　主體：主要強調的對象 070 6.2.2　陪體：讓主體更加有美感 071 6.3　畫面元素，合理組合拍出精美大片 072 6.3.1　點構圖：可以很快找到主體 072 6.3.2　線構圖：劃分畫面的結構 073 6.4　這六種構圖，快速拍出精彩大片 074 6.4.1　斜線構圖 075 6.4.2　曲線構圖 077 6.4.3　圓形構圖 080 6.4.4　三分線構圖 082 6.4.5　水平線構圖 085 6.4.6　橫

幅全景構圖 087 第7章　熟練使用DJI GO 4 APP航拍工具 089 7.1　安裝與註冊DJI GO 4 APP 090 7.1.1　DJI GO 4 APP的下載與安裝 090 7.1.2　DJI GO 4 APP的註冊並登錄 092 7.1.3　在APP中連接無人機設備 094 7.2　熟知DJI GO 4 APP介面元素 096 7.3　想拍出專業的照片，先學這個 102 7.3.1　自動模式，自動調節拍攝參數 102 7.3.2　光圈優先模式，合理控制進光量 104 7.3.3　快門優先模式，控制照片曝光時長 105 7.3.4　手動模式，自由設置參數，拍大片 106 7.4

　航拍之前先設置，否則白拍 106 7.4.1　拍攝尺寸決定照片的畫幅比例 107 7.4.2　存儲格式方便後期來精修照片 108 7.4.3　拍照模式適用於不同場景 108 7.5　全景攝影，大片應該這麼拍 110 7.5.1　球形全景，自動拼接可動態查看 110 7.5.2　180°全景，全範圍欣賞大片美景 111 7.5.3　廣角全景，鏡頭更廣眼界更寬闊 111 7.5.4　豎拍全景，上下延伸體現畫面縱深感 111 第8章　起飛前的準備工作與首飛技巧 113 8.1　熟記清單，否則浪費更多時間 114 8.1.1　器材的準備清單 114 8.1.2　無人機的飛行清單 115 8.1.3

　素材的拍攝清單，你要拍攝哪些內容 116 8.1.4　夜晚的拍攝，需要白天踩點 116 8.2　起飛步驟是安全起飛的前提 117 8.2.1　準備好遙控器和搖杆 117 8.2.2　準備好無人機，撥開螺旋槳 119 8.2.3　校準無人機IMU與指南針是否正常 121 8.3　檢查設備，確保無人機狀況正常 124 8.3.1　檢查SD卡是否有空間或者已放入無人機 125 8.3.2　檢查無人機機身是否正常 125 8.3.3　檢查飛機與遙控器的電量是否充足 127 8.4　起飛與降落，這些方法要記住 128 8.4.1　手動起飛，飛行高度可以自由控制 128 8.4.2　手動降落，遇到障礙物

可及時避開 129 8.4.3　自動起飛，一鍵操作，簡單、輕鬆 130 8.4.4　自動降落，機器會自動關閉避障功能 131 8.4.5　一鍵返航，最省時省力地找回飛機 133 8.4.6　緊急停機，遇到危險環境可急停 134 第9章　熟練飛行的動作助力空中攝影 135 9.1　六組入門級飛行動作，適合新手 136 9.1.1　向上飛行 136 9.1.2　向下降落 137 9.1.3　向前飛行 138 9.1.4　向後飛行 138 9.1.5　向左飛行 139 9.1.6　向右飛行 140 9.2　六組常用飛行動作，可靈活控制 141 9.2.1　原地轉圈飛行 141 9.2.2　圓環飛行

142 9.2.3　方形飛行 143 9.2.4　8字飛行 144 9.2.5　飛進飛出飛行 144 9.2.6　向上並向前飛行 145 9.3　三組高級飛行動作，航拍大片 146 9.3.1　展現鏡頭飛行 146 9.3.2　飛行穿越拍攝 148 9.3.3　移動目標拍攝 149 第10章　智慧飛行拍出精彩的視覺大片 151 10.1　“一鍵短片”模式，自動生成10秒小視頻 152 10.2　智慧跟隨，最適合跟拍的飛行模式 154 10.3　興趣點環繞，360°高空環繞拍攝 156 10.4　指點飛行，鎖定對象，一鍵飛行 158 10.5　影像模式，要想畫面穩定就用這個 160 10.6

　延時攝影模式，記錄畫面運動軌跡 162 第11章　實戰航拍風光照片領略全新視角 165 11.1　秀麗風景照片，應該這樣拍 166 11.1.1　航拍鄉村美景 166 11.1.2　航拍冬日雪景 167 11.2　湖泊山水照片，注意天空與水面 167 11.2.1　航拍湖泊 167 11.2.2　航拍高山 168 11.2.3　航拍水面 169 11.3　城市風光照片，拍出城市繁華 169 11.3.1　航拍城市 169 11.3.2　航拍道路 171 11.4　璀璨夜景照片，這樣拍更清晰 172 11.4.1　航拍城市夜景 173 11.4.2　航拍古鎮夜景 173 11.5　橋樑車流照

片，拍出宏偉大氣 175 11.6　島嶼風景照片，適合拍全景 175 11.7　日出日落照片，時機很重要 176 11.8　雪域高原照片，拍出立體感 177 第12章　照片的後期處理：手機+電腦精修 179 12.1　手機APP處理，這樣修片最有效率 180 12.1.1　裁剪照片尺寸 180 12.1.2　鏡像翻轉照片 181 12.1.3　調整色彩與色調 182 12.1.4　調整照片的色彩平衡 184 12.1.5　為照片添加濾鏡換天效果 185 12.1.6　為照片添加紋理特殊效果 187 12.2　Photoshop處理，調出照片精彩畫質 189 12.2.1　裁剪照片進行二次構圖

189 12.2.2　對照片進行銳化處理 190 12.2.3　自動調整照片的色調 191 12.2.4　調整照片色相與飽和度 192 12.2.5　調整照片的色彩平衡效果 194 12.2.6　去除照片污點，減少雜質 195 【第三篇　視頻攝像篇】 第13章　無人機的攝像場景與拍攝技巧 199 13.1　典型的視頻航拍場景，這樣拍最具動感 200 13.1.1　城市高空風光 200 13.1.2　體育賽事馬拉松 200 13.1.3　演唱會 201 13.1.4　民俗慶典 201 13.2　拍攝之前，先學學航拍視頻的技巧 201 13.2.1　飛行安全保障 201 13.2.2　檢測周圍

信號干擾 201 13.2.3　把握時機與瞬間 203 13.2.4　大場景中對象雜亂怎麼拍 203 13.2.5　怎麼調鏡頭才能拍得有氣勢 204 13.3　這些地方不注意，視頻會白拍 205 13.3.1　讓視頻有速度感 205 13.3.2　尋找合適的前景對象 205 13.3.3　逆光畫面如何拍攝 206 第14章　無人機拍攝視頻前的參數設置 207 14.1　視頻最佳曝光參數如何設置 208 14.2　視頻尺寸設置不對，影響素材用途 208 14.2.1　4K視頻：3840×2160 HQ 209 14.2.2　4K視頻：3840×2160 Full FOV 210 14.2.3　

2.7K視頻：2688×1512 210 14.2.4　1080 P視頻：1920×1080 210 14.3　存儲格式選擇不對，會給後期添麻煩 211 14.3.1　MP4格式 211 14.3.2　MOV格式 212 14.4　把握好光線，掌握白平衡的參數設置 212 14.4.1　陰天 213 14.4.2　晴天 214 14.4.3　白熾燈 214 14.4.4　螢光燈 215 14.4.5　自訂參數 215 第15章　掌握空中攝像的基本拍攝手法 217 15.1　六組簡單的空中攝像飛行手法 218 15.1.1　一直向前的航線 218 15.1.2　俯首向前的航線 218 15.1

.3　鏡頭垂直向前的航線 218 15.1.4　一直向前逐漸拉高的航線 219 15.1.5　一直向前逐漸拉高低頭的航線 220 15.1.6　橫移的航線 221 15.2　視頻案例分享與拍攝手法解析 221 15.2.1　《學校操場》視頻拍攝解析 221 15.2.2　《城市建築》視頻拍攝解析 222 第16章　成為機長必會的高級拍攝手法 225 16.1　無人機橫移的攝像技巧 226 16.1.1　橫移+拉高飛行手法 226 16.1.2　橫移+拉高+向前飛行手法 226 16.1.3　橫移+拉高+後退飛行手法 227 16.1.4　向前+拉高+轉身+橫移手法 228 16.2　無人機環

繞的攝像技巧 228 16.2.1　圍著目標點環繞的飛行手法 228 16.2.2　向前+環繞的飛行手法 229 16.2.3　向前+轉身180°+後退飛行手法 230 16.3　無人機側身的攝像技巧 230 16.3.1　側身向前的飛行手法 230 16.3.2　側身向前+轉身+側身後退的飛行手法 231 16.4　無人機後退的攝像技巧 231 16.4.1　後退的飛行手法 231 16.4.2　後退+拉高的飛行手法 232 16.4.3　拉高+旋轉上升的飛行手法 233 第17章　攝像時無人機鏡頭的運動方式 235 17.1　向前鏡頭航拍，給觀眾帶來期待感 236 17.1.1　平拍前進

沒有主體 236 17.1.2　平拍前進有主體 236 17.1.3　前進的同時向上搖鏡頭 237 17.1.4　前進的同時向下搖鏡頭 237 17.1.5　扣拍前進拍攝 238 17.1.6　前進對沖拍攝 238 17.2　後退鏡頭航拍，慢慢退出故事場景 238 17.2.1　平拍緩慢後退 238 17.2.2　平拍快速後退 239 第18章　視頻的後期處理：手機+電腦精修 241 18.1　手機APP處理，一鍵修出精彩片段 242 18.1.1　將視頻背景原聲進行刪除 242 18.1.2　為視頻添加濾鏡效果 243 18.1.3　調整視頻的播放速度 244 18.1.4　調節視頻色彩與

色調 245 18.1.5　製作視頻的文字效果 245 18.1.6　製作視頻的背景音樂 246 18.1.7　輸出製作的視頻檔 247 18.2　Premiere處理，助你成為後期大師 249 18.2.1　新建序列導入視頻素材 249 18.2.2　分割視頻畫面與背景聲音 251 18.2.3　剪輯與合成多個視頻畫面 252 18.2.4　為視頻添加鏡頭光暈特效 253 18.2.5　在視頻中製作字幕效果 255 18.2.6　為視頻添加動人的音樂 257 18.2.7　輸出與渲染視頻畫面 258

單視覺影像式室內定位系統之關鍵技術發展

為了解決360 影像拼接的問題，作者羅敏嘉 這樣論述：

本論文提出以單一視覺相機拍攝影像方式之定位關鍵技術，並應用於室內定位系統中。本論文將以一自走載具為應用平台，並使用載具上的單一攝影機進行地標影像資料的收集，利用影像拼接技術建置地標環景360度影像，並標記地標在商店的方位，以及地標環景影像中特徵點的深度，做為室內定位的依據。而定位方式則是以任意位置拍攝的單張影像，與資料庫中的地標環景影像比對，找出最相似的，然後進行特徵點的匹配，結合地標影像中的深度資訊，計算出所在位置與地標點的相對距離與方位，以獲得定位的結果。 首先因拍攝環境與室內燈光等等影響，不同時間拍攝的影像其色偏與亮度會有所不同，影響影像比對時的準確度。因此在建置地標環景影像資料庫時

，會進行影像前處理包括白平衡。為了減少影像比對複雜度，會事先計算影像色彩訊號的直方圖，並以兩影像直方圖相似度來進行定位時的影像初步篩選。以此方法，篩選後的資料量下降率平均為87.83%，大幅降低了後面比對運算時間，而篩選造成的資料Miss Rate僅為1.25%。 影像篩選後的相似度比對主要使用影像的特徵點。為了能在影像受模糊及大小縮放等影響下，不會造成影像的特徵丟失太多，因此使用了KAZE演算法來偵測影像中特徵點，並使用特徵點向量描述方法來表示特徵點。將定位時拍攝的影像與地標影像以描述特徵點向量進行匹配，選出特徵點匹配最多個數的地標影像當作比對結果。最後利用匹配特徵點在地標與定位影像上分別

的座標，以及低標影像特徵點的深度資訊，計算其間的座標轉換，以獲得旋轉角度以及平移的資訊，代表地標影像拍攝點與定位影像拍攝點兩者間的相對位置以及鏡頭的相對角度。據此便可計算出定位影像拍攝點在室內的絕對位置。座標轉換是根據匹配到的特徵點，以最小平方誤差的條件，利用奇異值矩陣分解的方式獲得。 在定位精確度分析中，分別在中興大學實習商店與中興大學電機大樓的室內場域進行室內定位的實驗，根據實驗結果，在實習商店中，匹配正確地標的比率為90.74%，與地標點平均偏差為60cm以內，而在中興大學電機大樓的室內定位系統實驗中，根據定位實驗結果評估，距離誤差範圍在30cm以內，以及角度誤差範圍在5度以內。