- 博客(9)
- 收藏
- 关注
原创 深度图,视差图,三维点云,三维网格,纹理贴图模型
三角网格是最常用的三维模型表述方式,基本结构为:顶点 (Vertex),决定空间位置面片 (Facet),描述拓扑结构边 (Edge)。通过Photo-consistency和fairness准则相结合,来优化曲面网格。
2021-04-12 11:25:56
3546
2
原创 delaunay三角剖分与delaunay四面体
三角网格是最常用的三维模型表述方式,基本结构为:顶点 (Vertex),决定空间位置面片 (Facet),描述拓扑结构边 (Edge)。三角剖分就是将离散的点连入三角网格中。也可以说是把曲面剖开成一块块三角形。下图为非delaunay三角剖分:而Delaunay三角剖分给出了一个“好的”三角网格的定义,它的优秀特性是空圆特性和最大化最小角特性,这两个特性避免了狭长三角形的产生,也使得Delaunay三角剖分应用广泛。空圆特性:点集合p内任意一个点都不在???? 内任意一个三角面片的外接
2021-03-26 00:23:46
4714
原创 Multi-View Stereo A Tutorial 综述
密集重建的MVS的关键问题:寻找空间中具有Photo-consistency的点。光度一致性假设(Photo-consistency)简单讲,无论你从哪个视角观察目标物体的某一点,它在空间上受到的光度是一样的。所以我们要重建的点在各个二维图像上要有相同颜色,即重建的核心在于恢复空间中具有光度一致性的点。如下图,首先以像素为中心取一定大小的patch(三维中的微小平面),然后计算颜色的相似性来判断是否为同一个点。Photo-consistency的度量:• 平方误差 Sum of Squared
2021-03-11 14:26:44
2806
原创 【阅读笔记】PatchmatchNet: Learned Multi-View Patchmatch Stereo
提出了一种新颖的、可学习的高分辨率多视点立体匹配算法PatchmatchNet
2021-02-23 01:35:43
2048
1
原创 python处理txt文件内容
python实现txt文件内容处理(去重序列及排序,求唯一序列)有如下生物信息学数据,存在内容完全相同的序列。需求1:找出相同序列,然后在文件中只保留他们的一个副本,并在文件中分别保留对应的原始标识符列表需求2:在另外一个文件保存唯一序列需求1#去重序列及排序lines_seen = set()readDir = "123.txt"f = open(readDir,"r")writeDir = "456.txt"outfile=open(writeDir,"w")while
2021-02-18 23:49:53
554
原创 【阅读笔记】NRMVS: Non-Rigid Multi-View Stereo
非刚体多视图三维重建目录前言1、介绍2、相关工作A.PatchMatch-based MVS methodsB.CNN-based MVS methods3、MG-MVSA.Mesh ConstructionB.Mesh GuidanceC.Confidence Prediction NetworksD.Untextured Region Detection前言静态场景的假设限制MVS算法的普适性,因为许多日常场景都会经历非刚体运动,例如衣服、人脸或人体。而NRMVS从任意、稀疏和宽基线视图观察
2021-02-08 11:28:54
830
1
原创 【阅读笔记】Mesh-Guided Multi-View Stereo with Pyramid Architecture
基于金字塔结构的网格引导多视图三维重建目录前言1、介绍2、TECHNICAL APPROACHA.Deep-learning model with uncertaintyB.SGBM with per-pixel searching range (PPSR)3、实验前言针对三维重建中的弱纹理区域,本文提出基于金字塔结构的网格引导MVS方法(利用从粗尺度图像得到的曲面网格指导重建过程)首先采用基于PatchMatch匹配的MVS算法生成粗尺度图像的深度图,然后用曲面重构算法得到相应的曲面网格(P
2021-01-18 11:45:47
1018
2
原创 【阅读笔记】Deep-Learning Assisted High-Resolution Binocular Stereo Depth Reconstruction
基于深度学习的高分辨率双目立体深度重建文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结前言本文提出了基于高分辨率图像的密集双目立体重建从而进行设施检查。以往的方法都会在高分辨率数据上消耗过多的计算资源、缺乏泛化能力。本文提出对资源需求较少的非学习方法,在基于学习的方法指导下,获取高分辨率的图像以及精确的双目立体重建。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务
2020-11-22 22:05:16
478
原创 【阅读笔记】Cost Volume Pyramid Based Depth Inference for Multi-View Stereo
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-11-09 17:56:30
2911
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人