企业官网建设流程全解析

简介：2024年北京交通大学计算机视觉课程期末必考知识点汇总PDF，内容覆盖图像滤波、模板匹配、Canny边缘检测、Harris角点检测、SIFT特征提取，以及CNN、AlexNet、R-CNN系列目标检测等约40个高频考点，适合北交大选课学生备考期末，也适合其他高校系统复习计算机视觉基础理论的学习者。资源共1个PDF文件，容量约9.69MB，以考点问答形式逐题展开相关、卷积、内积区别，高斯核参数设置，SIFT描述子生成，Faster R-CNN流程，NMS去重，PR图与AP计算等关键概念与推导，便于考前快速翻阅、查漏补缺。目前已有665人学习下载。

1. 为什么说这门课的必考知识点全都压在“推导”和“边界”上

2024年某交通类高校的计算机视觉课程期末考核，和多数人预期的“背概念”完全不是一回事。翻看往年真题和课堂重点就能发现，真正稳定出现在卷面上的，不是某某算法是哪年提出的，而是三类硬核内容：公式推导的链条完整性、经典算法的适用边界，以及让你手算一个具体例子的能力。比如Harris角点检测的响应函数怎么从泰勒展开一路推出来，SIFT描述子为什么对光照变化鲁棒，对极约束里的本质矩阵和基础矩阵到底差在哪一处。这些知识点在课件里往往只占几页，却是考题的绝对主力。这篇笔记把计算机视觉课程必考知识点里最常被考到、也最容易丢分的部分整理成一条可复现的复习主线：先建立框架，再逐项过推导，最后用避坑清单做自检。适合正在准备期末、或者想系统梳理视觉基础知识的本科生和刚入门的研究生，照着这条线走一遍，比反复翻课件效率高得多。

2. 图像特征提取：Harris角点与SIFT描述子的推导主线

2.1 Harris角点的响应函数推导：从泰勒展开到R的阈值

Harris角点是计算机视觉课程必考知识点里的高频计算题。考试通常不会让你背代码，而是给出一个2×2的灰度块，让你手算梯度、构造自相关矩阵M，再计算响应值R判断是否为角点。完整链条是：对图像I(x,y)，在局部窗口内平移(u,v)后的灰度变化E(u,v)，用一阶泰勒展开近似得到：

E(u,v) ≈ [u v] M [u v]ᵀ

其中M是结构张量，由窗口内梯度平方的加权和构成。这一步得写清楚I_x和I_y是用中心差分还是Sobel算子计算的，两种方式对最终R值的影响很大。接着定义响应函数R = det(M) - k·trace(M)²，k是经验常数，一般取0.04到0.06。R大于阈值判为角点，R小于0判为边缘，|R|很小时判为平坦区域。考试里最常见的翻车点是把k取成0.1或者直接用det(M)判断，导致边缘被误判成角点。

实际复习时，我建议把M矩阵的每一项都手推一遍。比如一张5×5的图，中心点周围8个像素的I_x和I_y已知，怎么求和、怎么加窗（用高斯权重还是均匀权重），这些细节决定了你算出来的R是否在合理区间。一个可复现的验证方法是取一个理想的L形角点，灰度值一边是0一边是255，手算梯度后构造M，算出的R应该显著大于平坦区域的R。这类题在卷面上一般占8到12分，值得花半天专门练。

2.2 SIFT描述子的四个关键环节：尺度空间、主方向、描述子归一化

SIFT是课程里另一个必考重点，而且考法更偏概念理解。四个关键环节缺一不可：尺度空间极值检测、关键点定位（去除低对比度点和边缘响应点）、主方向分配、描述子生成。考试常见的是简答题问“为什么SIFT对尺度变化鲁棒”或者“描述子为什么是128维”，前者要答出高斯金字塔和多尺度空间的概念，后者要答出16个4×4子区域、每个子区域8个方向直方图。

这里有一个容易被忽略的推导细节：计算描述子时，梯度方向直方图要用高斯加权，并且在拼接前对每个子区域的方向直方图做三线性插值。课程里一般不要求手算完整的128维描述子，但会让你解释旋转主方向的补偿机制——把坐标轴旋转到关键点主方向上，再把描述子按主方向排序，这样旋转变化就被归一化掉了。

复习SIFT时最有效的做法是画一张流程图，把“检测-定位-定向-描述”四个阶段分别对应的输入输出写清楚，再标注每个阶段里用到的关键参数。比如尺度空间里每组图像的层数通常取3到5层，σ一般取1.6，对比度阈值取0.03。这些数字不要求背得一字不差，但要能说出“如果对比度阈值设太大，会丢掉弱关键点；设太小，又会引入噪声点”这样的边界理解。

2.3 特征点匹配的常见考法：距离比法与误匹配剔除

特征点提取之后必然考匹配，核心是最近邻距离比（Lowe's ratio test）。给定一组特征描述子，对每个特征找欧氏距离最近的邻居d1和第二近的邻居d2，如果d1/d2小于阈值（通常取0.7到0.8），就判定为匹配。这个方法的直觉是：正确匹配的描述子距离应该远小于误匹配的距离，因此比值小说明最近邻明显优于次近邻。考试里可能给你几个距离数值，让你判断哪些匹配被保留。

误匹配剔除也是爱考的点。常见的做法是RANSAC估计单应矩阵，考试会问“RANSAC的迭代次数怎么确定”或者“怎么评价一个匹配是否正确”。前者要答出置信度公式N = log(1-p) / log(1-w^k)，其中w是内点比例，k是模型最少点数；后者要答出重投影误差小于某个像素阈值。这些点不复杂，但容易在考试紧张时漏掉参数的含义解释。

3. 几何视觉核心：相机模型与对极几何的必考推导

3.1 针孔相机模型：内参矩阵、外参矩阵与畸变系数

相机模型这部分在计算机视觉课程必考知识点里的分量很重，因为后面几乎所有三维重建、视觉里程计的内容都建立在它之上。教材里给出了基本框架：相机将三维世界坐标投影到二维像素坐标，这一过程用矩阵乘法表达为x = K [R|t] X，其中K是内参矩阵，包含焦距fx、fy和主点cx、cy，R和t构成外参矩阵。考试喜欢出两类题：第一类给你几个对应的三维点和像素点，让你反推K或者R、t；第二类讨论径向畸变和切向畸变，问你畸变模型里每一项的作用。

径向畸变的k1、k2、k3三个系数有明确的考法：k1控制主要畸变量，k2和k3用于大广角镜头的边缘修正；切向畸变p1、p2一般影响较小，但标定板图片拍得比较偏时切向畸变就会变大。复习时最好自己跑一遍简单的标定流程，用棋盘格图片得到完整的相机参数，再对比不同数量图片下的标定误差。你会发现图片少于10张时，k3的估计非常不稳定，这就是考题里“为什么标定需要多样本”的答案。

3.2 对极几何：本质矩阵E与基础矩阵F的区别和计算

对极几何是这门的核心难点，也是期末考试大题的高发区。两幅图像中对应的像素点满足对极约束x₂ᵀ F x₁ = 0，其中F是基础矩阵。要讲清楚的是本质矩阵E和基础矩阵F的关系：E = K₂ᵀ F K₁，E只包含相机之间的相对位姿R和t，而F还包含了内参信息。因此从E分解出R和t之前，必须先用内参归一化坐标。考题常给你一对匹配点坐标和相机内参，让你判断用的是E还是F，以及给出E的SVD分解步骤。

八点法是计算基础矩阵的经典算法，考试会要求你写出构建线性方程组的步骤。把8对匹配点代入对极约束，整理成Af = 0的形式，用SVD求最小二乘解，再把解矩阵投影到秩2空间。这里有一个关键的归一化步骤：直接对原始像素坐标做八点法数值不稳定，需要先把坐标做平移和缩放（即Hartley归一化），计算完后再反变换回去。不少同学在考试时忽略这一步，结果是方程解出来了但数值上不可用。

3.3 三角化与单应矩阵：三维点恢复的两种路径

三角化是给定匹配点和相机位姿恢复三维坐标的过程。线性三角化方法把问题写成齐次线性方程组，用SVD求最小奇异值对应的奇异向量。考试的重点不是让你解SVD，而是理解“为什么两条射线相交求交点在噪声下不稳定”以及“重投影误差作为优化目标的意义”。非线性优化版三角化是最小二乘问题，可用高斯-牛顿法迭代，但初始值很关键，通常用线性解作为初值。

单应矩阵H描述了同一平面在两张视图间的像素映射关系，x₂ = H x₁。它和对极几何的区别在于：纯旋转或场景近似平面时用单应模型，否则用对极几何。计算H时直接用四对匹配点联立方程求解，Dh = 0的约束每对点提供两个方程。考题经常让你判断给定场景“该用单应还是基础矩阵”，回答关键是看场景是否有深度变化——平面场景或相机纯旋转时，对极约束退化为单应约束。

4. 视觉分类与识别：从HOG+SVM到CNN的考点对比

4.1 HOG特征图的构建：block、cell与方向直方图的参数关系

HOG（方向梯度直方图）在计算机视觉课程必考知识点里属于容易被低估的部分，因为看起来简单，但细节非常多。构建流程是：灰度化→计算梯度→划分cell（通常8×8像素）→在cell内统计梯度方向直方图（9个bin）→把相邻cell组成block（通常2×2即16×16像素）→block内做对比度归一化→滑窗扫描整幅图像。

考试常问“为什么block要重叠”和“归一化解决什么”。重叠是为了让每个cell出现在多个block中，特征表达更平滑，避免块边界效应；归一化是为了应对光照变化和阴影，因为梯度幅值会随光照整体缩放，而归一化把这个缩放因子消掉了。一个很细的考点是梯度方向是0°到180°还是0°到360°——无符号梯度用于行人检测，有符号梯度用于部分其他任务，这个区别直接改变直方图的bin数和特征维度。

4.2 Bag of Visual Words：字典构建与TF-IDF的加权逻辑

BoW模型是传统视觉分类的另一条主线，考试里主要以简答题形式出现。流程是提取训练图像的局部特征（通常SIFT）→对全部特征做k-means聚类生成视觉词典→每幅图像统计每个视觉单词出现的频率构成直方图向量→训练SVM分类器。课堂里会强调字典大小k怎么选、k-means的聚类数有什么影响。

TF-IDF属于信息检索的经典思想，但课程会考察它从文本搬到视觉场景后的适配。TF衡量一个视觉单词在单幅图像中出现的频率，IDF衡量单词在整个训练集中出现的文档频率的倒数，两者相乘后，频繁出现在每幅图中的通用单词权重降低，有区分力的单词权重升高。考题喜欢让你比较“用原始词频直方图和用TF-IDF加权后的分类效果区别”，核心答案在抑制常见背景特征的干扰。

4.3 CNN基础考点：卷积计算、感受野与经典网络结构对比

深度学习部分在近年的课程考核里占比逐渐提高，但考的仍是基础。卷积层的计算题非常典型：输入224×224×3，用64个3×3卷积核，padding=1，stride=1，输出尺寸多少？答案是224×224×64，因为padding=1保持尺寸不变。进阶一点会考感受野的计算：两层3×3卷积堆叠的感受野等于一层5×5卷积，但参数数量更少，这解释了为什么现代网络偏爱小卷积核堆叠。

经典网络结构对比也是必考内容。VGG的启示是“小卷积核加深网络有效”，ResNet用跳跃连接解决深层网络退化问题，Inception用不同尺寸卷积核的并行组合捕捉多尺度信息。考试可能给一个网络配置表，让你计算参数量或者感受野，这时候要能区分卷积层、池化层和全连接层的参数量计算方式。池化层本身没有参数，只是改变特征图尺寸；全连接层的参数等于输入维度和输出维度的乘积。

5. 避坑指南：复习和考场上的五个典型翻车点

5.1 把Harris的k当成固定常数0.04，忽略它随图像动态变化

现象：计算响应值R时，套用课件给出的k=0.04，但整幅图像检测出的角点数量明显偏多或偏少，导致后续匹配质量很差。原因：k控制角点检测的灵敏度，不同图像的梯度分布差异很大，固定k值可能不匹配当前图像。解决：实际调试时把k当作可调参数。图像纹理密集时调大k抑制假角点，纹理稀疏时调小k找回弱角点。考试中如果给出多组R值让你选阈值，记得结合k取值判断。

5.2 对极几何里直接用像素坐标算本质矩阵E

现象：算出来的E矩阵分解出的R、t结果完全不合理，重投影误差巨大。原因：E的定义在归一化坐标下成立，必须先乘内参逆矩阵把像素坐标转换成相机坐标。解决：养成习惯，看到像素点坐标先写一步归一化公式x_hat = K⁻¹x，再做后续计算。考试时如果忘了，检查步骤中发现“用到内参”就应主动补上这一步。

5.3 SIFT描述子匹配时只取最近邻距离，不做比值判断

现象：匹配点数量爆炸，大量错误匹配进入后续RANSAC，剔除循环跑很久。原因：只比较绝对距离，没有考虑特征空间的密度分布——有些特征本身距离就大。解决：严格用距离比法，d1/d2阈值设0.8，宁可匹配少也别引入噪声。如果匹配点太少，再逐步抬高到0.9，不要一步到位放开限制。

5.4 图像归一化做错顺序：先归一化后提取特征，导致特征失效

现象：HOG或SIFT特征训练模型的准确率反而下降。原因：归一化操作改变了梯度幅值的相对分布，一些细节特征被压缩。解决：HOG本身自带block归一化，SIFT描述子也有归一化步骤，全局图像归一化不是必须的。如果一定要做，先提取特征再做特征归一化，顺序不能反。

5.5 背模型结构时只记层名，不记参数和维度变化

现象：考场让你算某一层的输出尺寸或参数量，直接懵住。原因：复习时只看了网络结构图，没有手推过维度变化。解决：复习CNN时每种经典网络都动手算一遍尺寸流程图。输入224×224，过完各层输出几乘几、通道多少，每个池化层前后尺寸变化都写清楚。这门课的计算题难度不大，丢分全在没练过手。

6. 冲刺阶段的验证方法：用三套自测题确认复习效果

进入考前最后三天，我一般不再过课件了，而是用三套自测题来验证知识盲区。第一套是计算题集：Harris响应值、卷积输出尺寸、八点法建立矩阵、描述子距离比值。每道题控制在15分钟以内，做完对照答案查漏。第二套是简答题集：SIFT为什么对旋转鲁棒、RANSAC为什么能剔除误匹配、为什么标定需要多角度图片、ResNet的跳跃连接解决了什么。第三套是综合判断题：给定一个场景描述（比如无人机俯拍地面、手机拍文档、监控视角行人），说出适合的特征方法和分类思路。

自测时要卡时间，模拟考场的状态。我见过不少同学复习时看着例题觉得“懂了”，一合上书全忘。我的习惯是把自己当老师——把某个知识点讲给旁边的同学听，讲不清楚的地方就是没掌握的地方。最后一周把讲不清楚的条目单独列出来，每天第一轮先补这些薄弱点，第二轮再做新题。

还有一个容易被忽略的得分点在卷面表达上。计算题里，每一步矩阵运算和中间结果都要写清楚，公式推导题尤其如此。即使最终结果算错，步骤分也能拿到一半以上；但如果你跳步骤只写答案，一旦答案错就是整题零分。平时练习时养成写推导过程的习惯，考场上自然就会保留这个动作。

另外，我建议把课件里的数学符号统一记在一张纸上。这门课的一个痛苦点在于，不同章节可能用不同符号表示同一个量。比如相机内参有的地方用fx、fy，有的地方用α、β；本质矩阵E和基础矩阵F在有的讲义里混用。考前统一一遍符号，能避免考试时临时推敲公式含义，节省不少时间。希望这些整理对你有帮助。

本文还有配套的精品资源，点击获取