هدف این درس آشنا نمودن دانشجویان با مفاهیم و اصول بازسازی سه بعدی محیط و تحلیل سه بعدی تصاویر به منظور درک آن توسط کامپیوتر و ربات است. در این درس انواع تکنولوژی‌های بازسازی سه بعدی محیط، درک بصری تصاویر بازسازی شده و انواع کاربردهای آن مورد تاکید است. دانشجویان با انجام پروژه‌های متعدد، با الگوریتم‌ها و نرم‌افزارهای مربوطه آشنایی کامل پیدا می‌کنند. برخی از جدیدترین مباحث مرتبط با یادگیری عمیق و شبکه‌های عصبی در سه بعد نیز معرفی می‌شوند.

1. مقدمه: اهمیت و کاربردهای بینایی کامپیوتری سه بعدی
2. مدل‌های دوربین
3. کالیبراسیون دوربین
4. اندازه‌شناسی تک‌نما
5. هندسه اپی‌پولار و دوربین‌های استریو
6. ساختار از روی حرکت
7. روش‌های فعال بازیابی سه بعدی
8. روش‌های تطبیق (نزدیکترین نقطه تکراری و تبدیل توزیع نرمال) و مکان‌یابی و نقشه‌سازی همزمان
9. یادگیری بازنمایی
10. تخمین عمق تک‌چشمی و ردیابی ویژگی
11. جریان نوری و صحنه
12. بازنمایی ضمنی سه بعدی و میدان‌های تابشی عصبی

• تمرین‌ها و پروژه: ۳۰ درصد نمره
• آزمون‌های میان‌ترم و پایانی: ۵۰ درصد نمره
• پروژه پژوهشی: ۲۰ درصد نمره