几种投影的特点及分带方法

一、只谈比较常用的几种:“墨卡托投影”、“高斯-克吕格投影”、“UTM投影”、“兰勃特等角投影”

1 墨卡托(Mercator)投影

1.1  墨卡托投影简介

        墨卡托(Mercator)投影,是一种"等角正切圆柱投影”,荷兰地图学家墨卡托(Gerhardus Mercator 15121594)在1569年拟定, 假设地球被围在一中空的圆柱里,其标准纬线与圆柱相切接触,然后再假想地球中心有一盏灯,把球面上的图形投影到圆柱体上,再把圆柱体展开,这就是一幅选定标准纬线上的“墨卡托投影”绘制出的地图。
        墨 卡托投影没有角度变形,由每一点向各方向的长度比相等,它的经纬线都是平行直线,且相交成直角,经线间隔相等,纬线间隔从标准纬线向两极逐渐增大。墨卡托 投影的地图上长度和面积变形明显,但标准纬线无变形,从标准纬线向两极变形逐渐增大,但因为它具有各个方向均等扩大的特性,保持了方向和相互位置关系的正确。

        在地图上保持方向和角度的正确是墨卡托投影的优点,墨卡托投影地图常用作航海图和航空图,如果循着墨卡托投影图上两点间的直线航行,方向不变可以一直到达目的地,因此它对船舰在航行中定位、确定航向都具有有利条件,给航海者带来很大方便。

        “海底地形图编绘规范”(GB/T 17834-1999,海军航保部起草)中规定125万及更小比例尺的海图采用墨卡托投影,其中基本比例尺海底地形图(15万,125万,1100万)采用统一基准纬线30°,非基本比例尺图以制图区域中纬为基准纬线。基准纬线取至整度或整分。

1.2  墨卡托投影坐标系

取零子午线或自定义原点经线(L0)与赤道交点的投影为原点,零子午线或自定义原点经线的投影为纵坐标X轴,赤道的投影为横坐标Y轴,构成墨卡托平面直角坐标系。

2 高斯-克吕格(Gauss-Kruger)投影和UTMUniversal Transverse Mercator)投影

2.1  高斯-克吕格投影简介

高斯-克吕格(Gauss-Kruger)投影,是一种“等角横切圆柱投影”。德国数学家、物理学家、天文学家高斯(Carl Friedrich auss1777

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 稠密重建(MVS,Multiple View Stereo)是指从多个视角的图像中恢复出场景的三维几何信息。常见的MVS方法包括基于特征点匹配的方法、基于体素的方法和基于深度学习的方法。 首先是基于特征点匹配的方法。这种方法首先从多个视角的图像中提取出特征点,如SIFT或SURF特征点。然后通过特征点之间的匹配,计算出相机的投影矩阵,进而计算每个像素的深度值。常见的算法有PatchMatch和SfM(Structure from Motion)。 其次是基于体素的方法。这种方法将场景划分成许多体素(3D像素),然后根据相邻视角中的像素值和纹理信息,通过采样和插值等技术,进行重建。体素方法相比特征点方法可以更细致地重建场景,但计算开销较大。常见的算法有VoxelCarving和3D Delaunay三角剖分。 最后是基于深度学习的方法。近年来,深度学习方法在MVS中取得了显著的进展。这种方法利用深度学习模型,直接从图像中估计深度信息。通过训练大量的带有深度标签的图像对,网络能够学习到从图像到深度的映射关系,从而实现场景的重建。常见的算法有MVSNet和GANet等。 综上所述,稠密重建的几种方法分别基于特征点匹配、体素和深度学习。不同方法有各自的特点和优缺点。特征点匹配方法适用于场景中存在明显特征点的情况;体素方法能够更精细地重建场景,但计算开销较大;深度学习方法可以直接从图像中学习深度信息,但需要大量的训练数据。根据具体的应用场景和要求,可以选择适合的方法来进行稠密重建。 ### 回答2: 稠密重建(MVS)是一种计算机视觉技术,用于从一组多个图像中恢复场景的几何和外观信息。稠密重建是3D重建的一种形式,它试图在场景的每个像素位置上估计一个深度值或3D坐标。 实现稠密重建的方法几种,包括: 1.三角化方法:三角化是通过在多个视角下计算像素对应的3D坐标来进行稠密重建的一种方法。它基于基本几何原理和相机几何关系,并使用多个图像之间的匹配信息来计算3D位置。然后,通过对所有视角的三维点进行融合,可以得到稠密的3D重建。 2.基于立体匹配的方法:这种方法使用两个或多个视角的图像对之间的区域匹配来进行稠密重建。它通过计算图像中的像素间的位移或视差来估计深度或3D坐标。最常用的匹配方法是通过计算图像中的匹配成本,如像素间的差异,来找到最合适的匹配。然后,通过将视差映射到3D空间中,可以得到稠密的3D重建。 3.基于结构光或纹理投影方法:这种方法使用结构光或纹理投影来捕捉场景的深度和纹理信息,并进行稠密重建。结构光方法是使用特殊的投影系统,如激光或投影仪,来投射结构化光模式或纹理,以获得场景的深度信息。然后,通过将深度信息与图像投影进行重建,可以得到稠密的3D模型。 总之,稠密重建是通过分析多个图像之间的几何和外观关系,计算像素的深度或3D坐标来实现的。三角化、基于立体匹配和基于结构光或纹理投影几种常见的实现稠密重建的方法。这些方法在不同的应用和场景中有各自的适用性和限制性。 ### 回答3: 稠密重建(MVS)是一种计算机视觉技术,旨在通过多个图像或视频帧恢复物体的三维模型和纹理。下面是几种常用的稠密重建方法的详细解释: 1. 基于多视图立体匹配(MVS):这种方法通过在多个视角下捕获被重建场景的多张图像,并通过立体匹配算法计算场景中每个像素点的深度信息,从而恢复出场景的三维结构。该方法的优点是可以利用大量的图像信息来提高稠密重建的准确性,但缺点是计算复杂度较高。 2. 基于结构光:结构光是通过投射具有特定结构的光纹或光束,然后通过图像传感器进行捕捉,并通过计算来恢复三维表面形状和纹理的一种方法。这种方法适用于需要高精度的稠密重建,例如面部识别和三维扫描等应用。 3. 基于光场摄影:光场摄影是一种捕捉物体完整光场信息的技术,通过记录光线的强度、方向和位置,以及场景中的深度信息来实现。这种方法可以获得高质量的稠密重建结果,并在计算机图形学和虚拟现实等领域得到广泛应用。 4. 基于深度学习:近年来,深度学习在计算机视觉领域取得了显著的进展,对于稠密重建也有很大的应用潜力。通过使用神经网络等深度学习技术,可以自动学习场景的三维结构和纹理模型,并生成高质量的稠密重建结果。这种方法的优点是可以在大规模数据的基础上快速进行稠密重建,但缺点是需要大量的标注数据来进行训练。 总结来说,稠密重建的几种方法包括基于多视图立体匹配、结构光、光场摄影和深度学习等。选择适合的方法取决于具体应用场景的需求,如准确性、速度和成本等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值