几何透视变换和双目视觉理论的发展为摄影和测量牵上了线，然而要想共乘友谊之舟不翻船，需要一个重要的工具：

　　相机？不，用我们学术期刊的专业术语，叫成像设备。

　　19世纪早期，德国教授舒尔兹发现银的混合物在日光下会变黑。1839年，法国画家达盖尔发明了银版摄影法，并制作了世界上第一台真正的照相机。

　　1969年，贝尔实验室的博伊尔和史密斯发明了一种称作为电荷耦合器件（charge coupled device，CCD）的元件，这是一种高感光度的半导体单晶材料。

　　看到这里，相信无数小伙伴已经露出了欣慰或心酸的微笑，胶片/数码相机的出现，让许多人在“单反穷三代”和“毒、德味、大师、学习了”的大坑中越陷越深，也让摄影测量有了最关键的工具。

　　哈苏数码相机

　　在其后漫长的岁月里，相机和照片帮助人们将野外测量工作搬运至室内。“内业”工作成为主体，照片替代了三脚架、经纬仪和标尺，成了主要的研究对象。

　　传统测绘地形图-------> 航片

　　摄影测量的第３个板块是载体。狭义上的摄影测量一般指航空摄影测量，成熟的飞行平台是重要的组成部分。

　　18世纪，西方的孟格菲兄弟重新发明热气球，并于1783年第一次载人航行。

　　一年后，法国的罗伯特兄弟乘坐氢气球飞上天空。

　　1858年，法国摄影师纳达尔乘坐气球拍摄了世界上第一张航空影像。

　　1903年，莱特兄弟驾驶自制的世界上第一架飞机上了天。

　　以航天飞行器为载体的摄影测量应运而生。第一次世界大战中，首台航摄仪问世，立体坐标量测仪和1318立体测图仪投入使用。

　　1957年，第一颗卫星被发射到外太空，同时开启了卫星摄影测量时代。

　　2000年前后，各国陆续开始深空探测项目，虽然没有“深空摄影测量”的明确说法，摄影测量学者对基于光学的深空探测项目也贡献良多。

　　月球车玉兔

　　摄影测量多样化的摄影平台如下图所示：

　　上排：手持仪器架、地面移动测图系统、无人机；

　　下排：无人飞艇、国产运12航摄飞机、测绘卫星；

　　中排：嫦娥月球探测车

　　1795年，年仅18岁的高斯发明了最小二乘法。

　　1959年，德国的Schmid教授提出光束法区域网平差，这是小孔成像的物理原理与最小二乘的完美结合。

　　狭义的摄影测量 ：根据一系列像片，利用三角测量获取像片的位置和姿态，并交会出所摄物体的位置和深度。

　　摄影测量数学基础：透视几何、核线几何与光束法区域网平差（bundle adjustment）（代表作： 王之卓.摄影测量原理，1990）。

　　摄影测量产品：DEM、DOM、DRG、DLG、专题图、各级缩编地图等等。

　　两者在定义、目的、经典算法、概念称呼等都有精妙的类似之处。

　　计算机视觉的定义可简单概括为“用计算机代替人眼，从图片中重建和解译世界”。

　　看看这些经典的算法和算子：Canny边缘检测、Shape from Shading、Hough 变换、LoG（Laplace of Gaussian）等……

　　再看看计算机视觉的数学基础：透视几何、核线几何、多视几何、光束法平差……

　　最后看看视觉几何的应用 ：

　　人对着棋盘网格摄影，以检校相机内参数

　　用SLAM获得的半密集的三维map

　　采用图割法生成室内模型的深度图

　　汽车三维模型的构建

　　可见，仅从视觉中的几何出发，两门学科具有相同的理论基础，差别甚少。而且，技术细节上也有许多相近的实例。

　　20世纪90年代后，摄影测量与计算机视觉都得到物理和技术领域的强大推动，两个领域的学者们都在处理相似的问题，但也有细微的区别。将两门学科的细微区别与同源等价之处总结归纳（蓝色为区别，紫色为等价）。

　　计算机视觉的经典著作是Marr在1982年发表的《视觉：从计算的视角研究人的视觉信息表达与处理》，详细分析了二维图像的表达、立体图像的对应和重建、算法以及硬件的实现。

　　如果仅仅只有这些细微的差别，这两门学科早就合而为一了。两者间的区别主要在于数据源和应用。

　　如果用表格来表示，两者应用之间的区别为：

　　摄影测量中以地面移动测量系统(mobile mapping system, MMS)采集道路和街景；而计算机视觉同样关注道路信息(以及室内场景)的提取与重建，并应用于机器人、城市地图、智能交通和自动驾驶汽车中，并由此产生了一个称为同时定位与地图构建(simultaneous localization and mapping, SLAM)的研究支流。

　　同时定位与地图构建(SLAM)

　　早期的SLAM以激光扫描仪为主，这也是名词中mapping的由来；后来基于视觉的SLAM，即Visual SLAM成为主流，并与摄影测量特别是实时摄影测量在各个研究点上(匹配、平差、定位和重建)都有共通之处。

　　SLAM与空三的明显区别在于，SLAM定位的同时生成了半密集点云，这些点云可以通过激光扫描获得，也可通过图像匹配获得。

　　遥感是摄影测量的延伸。在摄影测量已经解决大部分几何问题的前提下，遥感的工作重点就集中在“解译”上。

　　解译是回答“是什么”和“为什么”的问题，与语义方向的计算机视觉、模式识别、机器学习等异曲同工。

　　但遥感中的数据源不同于计算机器视觉，光谱段被大大扩充（至多光谱）并细化（至高光谱）。

　　遥感的电磁波谱

　　这些辐射信息有利于解决农业、测绘、环境、地质和地理所关心的宏观问题，如土地利用覆盖分类、农作物趋势分析、大气的长期变化监测、泥石流和洪水等自然灾害的评估与预测。

　　因为数据源的特殊性，遥感领域也发展了一些特有的算法。

　　1956年提出“人工智能”的概念后，基于统计学习的思想被广泛应用于摄影测量与遥感、计算机视觉。

　　而神经元网络模型和感知机，在2000年后更名为“深度学习”，并大有一统天下的趋势。大量实验表明，在图像分类、物体识别、语音识别、遥感应用等关于学习和语义的研究领域，深度学习都占据上风。

　　目前，许多摄影测量与遥感中的实际应用，如道路网的提取、作物的精细分类、车牌和交通标志的识别等，都逐渐被深度学习占领，传统方法仅能保住深度学习无法涉及之处，即几何领域。这也是大势所趋。

　　虽然理论上多层网络确实可能学习出最优的函数模型，但它无法解释该模型如何构建以及模型背后的含义，并导致传统、优雅的理论研究工作被缺乏激情、简单的“调参”所取代。这种缺失，将机器学习和人工智能带往何方，依然是一个需要长期思考的问题。

　　来源：武汉大学学报信息科学版（仅作信息传递之用，版权归原作者及刊载媒体所有）