YvonneOreo-CSDN博客

原创鸟瞰图（附源码）

opencv自带的鸟瞰图略坑，先看一下，稍后研究一下其他的论文，再实现对比一下效果。#include #include #include #include #include using namespace std;void help(){ printf("Birds eye view\n\n" " ADJUST VIEW HEIGHT using keys 'u' u

2014-12-03 17:45:06 4417 1

原创摄像机标定（附源码）

今天介绍图和标定camera。首先是用到的opencv函数。后面附上源码。FindChessboardCorners 寻找棋盘图的内角点位置 int cvFindChessboardCorners( const void*image, CvSize pattern_size,CvPoint2D32f* corners,int* corner_count=NULL,int

2014-12-01 20:08:54 3044

原创总结（一）知识点初步理解

最近看了些立体视觉方面的资料，感觉立体视觉涉及到的东西太多，且数学理论比较强，特别是几何方面的东西，下面是对这一周看关于立体视觉方面的资料的初步总结，很多知识也是懂了个概念而已，深入的话要在以后的实践过程中不断体会，其中主要是一些名词，写下来算是对自己有个小的总结：一. 射影几何知识。包括平面射影几何和空间射影几何。射影几何只是在欧式几何中引入了无穷远元素而已，比如说无

2014-11-20 12:59:06 1241

图像深度是指存储每个像素所用的位数，他也是用来度量图像的色彩分辨率的。图像深度确定彩色图像的每个像素可能有的颜色数，或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色数，或灰度图像中的最大灰度等级，比如一幅单色图像,若每个像素有8位，则最大灰度数目为2的8次方,即256。一幅彩色图像RGB3个分量的像素位数分别为4,4,2,则最大颜色数目为2的4+4+2次方，即1024

2014-11-19 08:38:39 503

转载 OpenCV 2.4.8 or OpenCV 2.4.9组件结构全解析

之前啃了不少OpenCV的官方文档，发现如果了解了一些OpenCV整体的模块架构后，再重点学习自己感兴趣的部分的话，就会有一览众山小的感觉，于是，就决定写出这篇文章，作为启程OpenCV系列博文的第二篇。至于OpenCV组件结构的研究方法，我们不妨管中窥豹，通过opencv安装路径下include目录里面头文件的分类存放，来一窥OpenCV这些年迅猛发展起来的庞杂组件架构。我们进入到

2014-11-19 08:28:11 620

原创 3D重建的干货

前几章看的脑洞太大，这节来点干货。：）

2014-11-18 14:56:15 1032

原创 3D重构基础七－－structure and motion

这里，structure＝structure of the scene; motion = motion of camera.

2014-11-17 20:09:46 1021

原创 [总结]Camera model and multiple view geometry

总结一下：一、实际点到image点映射关系为：化简后为：其中，C为主点（principal point），一般是图像中心。s请看图3.3右，一般为0.最后，我们写成这种形式：＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝二、相机运动（motion of camera）相机运动

2014-11-14 18:23:58 984

转载 [补充二]基于多幅图像的3D重构

原文地址：http://blog.csdn.net/connor_lele/article/details/24603841

2014-11-13 09:54:07 5202

原创 3D重构基础六－－RANSAC

参考资料：http://en.wikipedia.org/wiki/ransac

2014-11-12 18:18:22 1304

原创 [补充一]3D视频

插个好玩的视频。这是麻省理工学院媒体实验室 Hiroshi Ishii 教授负责的一个项目，他设计了一个可以 3D 实时重建表面。设计师 John Maeda 已在他的 Blog 中上传了一段视频，其中展示了由Ishii及其学生一起制作的系统是如何运转的。一个可以捕捉运动物体和 3D 物体的摄影机。一个计算机来处理 3D 信息，并把这些诶信息传送到一个可以“复制”物体且可以运动的圆

2014-11-12 12:09:37 549

原创 3D重构基础五－－Essential and Fundamental matrices

Part 1 本质矩阵本质矩阵与相机的外部参数有关，先看其定义。

2014-11-12 09:58:20 1591 1

原创 3D重构基础四－－Planar Homography & Epipolar Geometry

上一篇，只要主要搞清楚透视的坐标变换。这一篇，

2014-11-10 16:09:32 19250

原创 3D重构基础三－－内部参数

在上一节中，我们用矩阵描述了外部参数，即物体的坐标到相机坐标的变换。同时还分析了透视投影，即成像的过程，整个过程就是从(U,V,W)->(X,Y,X)->(x,y)。这一节主要讨论如何从像平面(x,y)变换到数字图像(u,v)，即从像平面(Film Coords)到像素(Pixel Coords)。对一幅数字图像，我们可以改变它的宽高比，即作尺度变换。

2014-11-10 16:01:57 1922

原创 3D重构基础二－－坐标转换

借助几何和代数的方法来描述立体感知。先从简单的情况开始......假设两个相机的内部参数一致，如焦距、镜头等等，为了数学描述的方便，需引入坐标，由于坐标是人为引入的，因此客观世界中的事物可以处于不同的坐标系中。假设两个相机的X轴方向一致，像平面重叠，如下图所示，坐标系以左相机为准，右相机相对于左相机是简单的平移，用坐标表示为(Tx,0,0)Tx一般称为基线(base

2014-11-10 15:39:52 2708

原创 3D重构基础一

资料来源：3D reconstruction from multiple images (Theo Moons，Maarten Vergauwen, Luc Van Gool)一、Stereo Vision深度信息感知是人类产生立体视觉的前提。生理过程一定是相当复杂，此处，我们只从物理角度，并采用数学的方法来讨论。Inferring depth from image

2014-11-10 15:38:20 2997 1

Yvonne