内容包括 Modis Reprojection Tool工具以及该工具的用户使用手册，用户手册非常详细。处理MODIS数据重投影是十分重要的一步，该工具方便了数据的处理。

这个程序的作用是输入三角化和观测点的地图坐标和位姿，输出计算图像平面重投影误差

使用GDAL库进行图像重采样，裁切，重投影，坐标转换，影像较正，DEM生成等高线，栅格矢量化，图像镶嵌等功能

重投影残差，按照字面意思解释就是在第二次重新投影的二维像素点与第一次投影得到的像素点之间的残差（欧式距离）大小，残差的大小反映的就是测量仪器的精度以及外界因素对测量结果的干扰，即测量误差的大小。

在使用matlab工具箱进行相机标定时，有时候想得到每张标定图片的重投影误差。然而，该数据在系统里没有直接输出，而是在图上保留了两位小数，坐标轴给出的是三位小数，数据不一致。基于工具箱的标定结果，提取各张标定图片的具体重投影误差。

文档中包含了获取感兴趣区域的MODIS产品的全部代码，代码是以获取地表温度为例进行编写的，如果要获取NDVI数据，只需要修改产品代号即可。

在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis. 目录 一. 历史由来 二. Bundle Adjustment到底是什么？ 平差也就正好表述了为什么

从一组校准的2D多视图图像中准确地重建3D几何形状是一种积极而有效的方法计算机视觉中具有挑战性的任务。 现有的多视图立体声方法通常在恢复方面表现不佳深凹且突出的结构，并且会遇到一些常见问题，例如收敛速度慢，对初始条件的敏感性以及对内存的高要求。 为了解决这些问题，我们建议广义重投影误差最小化的两阶段优化方法（TwGREM），其中提出了一种广义的重投影误差框架，以将立体和轮廓提示整合到一个统一的能量中功能。 为了使函数最小化，我们首先在3D体积网格上引入凸松弛可以使用变量拆分和Chambolle投影有效解决。 然后，得到的表面是参数化为三角形网格并使用表面演化进行精炼以获得高质量的3D重建。 我们使用几种最先进方法进行的比较实验表明，TwGREM的性能基于3D的重建在准确性和效率方面是最高的，尤其是对于具有光滑的纹理和稀疏的视点

基于MRT（MODIS Reprojection Tool）工具批量给MODIS拼接和重投影，我感觉该方法还是比较快的

文件里面已经包含了所有需要的工具，是个压缩包，下载即可使用，ENVI中利用MCTK轻松实现MODIS数据坐标重投影，现通过一个ENVI中的插件The MODIS Conversion Toolkit (MCTK）即可简单实现MODIS数据重投影问题。