三维重建学习1

把本人学习了几个月的三维重建方面的东西写下来，很多地方自己也不是很懂，有的也研究了好长时间，可惜的是还是没有懂，不过没关系，我现在先把这些东西写下来。

特征

学习什么

§特征检测

    -找到特征点的位置

§特征描述

    -在计算机中描述它们是什么

§特征匹配

　　-找出哪两个是同一个

何谓特征呢

§特征

　　-也叫做关键点，兴趣点，也就是你可以通过这个很容易发现两幅图像中相近的部分。

　　-我们目前所说的特征都是局部特征

红色的部分就是特征

那什么是好的特征呢

§不一样的地方

　　-在其他图像中有很明确的匹配

§那我们如何定义这个所谓的不一样呢，主要两点

　　-不变性

　　　　•视角的变换

　　　　•尺度的变换

　　　　•旋转

　　　　•光照

　　-鲁棒性

　　　　•特征不随着小的变形而改变

　　　　　　图像噪声

　　　　　　图像压缩

　　　　　　图像模糊

　　　　　　真实图像改数字图像带来的变化

具体的研究

§如果谈历史，那就 追溯到1977年Moravec提出来角点特征，经典Harris算法就是在此基础上做了改进，那具体是什么呢?

这个一般不提了，但是把这个写出来，是为了了解整个一个算法演变的一个过程。

Moravec角点检测

§讲这个原因是想大家一起讨论思考一个新的算法的诞生是怎么从之前的算法进行演变的。虽然这个算法已经不怎么提及了。

§首先他考虑到了局部的概念，在局部环境下通过灰度自相关函数来考虑一个像素和其领域像素的相似性。

将图像窗口平移[u,v]产生灰度变化E(u,v)

 

 

四个变换: (u,v) = (1,0), (1,1), (0,1), (-1, 1)

在min{E}找局部最大值

这个算法存在着很多的问题

§噪声

　　-这个主要是计算这个像素值，如果有噪声，像素值就有问题。

§旋转

　　-旋转之后计算的灰度变换值就有问题。这个只考虑到旋转45度，不具备旋转不变性。

§只考虑E的最小值

　　-缺少鲁棒性

§还有其它问题，尺度，光照等。

为此，在1988年提出了Harris算法，这个下面再说。