【3D reconstruction 学习笔记 第二部】

已于 2024-03-26 19:37:41 修改
阅读量560 收藏 5
点赞数 4
分类专栏： 三维重建 文章标签： 学习 笔记 立体匹配 投影几何 三维重建
于 2024-03-22 18:07:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35200351/article/details/136947058
版权

三维重建 3D reconstruction

学习笔记 第一部链接：https://blog.csdn.net/qq_35200351/article/details/136933771
课程链接： 北邮团队 https://cv-xueba.club/index.html

4. 三维重建与极几何

在这里插入图片描述

三角化（线性解法）

在这里插入图片描述

三角化（非线性解法）

三维重建
实际应用中 非线性，线性解法都需要 K , K ′ , R , T K,K',R,T K,K′,R,T已知
在这里插入图片描述

多视图几何

在这里插入图片描述

极几何

描述了同一场景或物体的两个视点图像间的几何关系
在这里插入图片描述
将搜索范围缩小到对应的极线上。
平行视图：
在这里插入图片描述
前向平移：
在这里插入图片描述

极几何约束

本质矩阵对规范化相机拍摄的两个视点图像间的极几何关系进行代数描述；
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
基础矩阵对一般相机拍摄的两个视点的图像间的极几何关系进行代数描述。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

基础矩阵估计

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
估计出的F不是要求的基础矩阵
在这里插入图片描述
精度低
归一化 √2

5. 双目立体视觉重建

基于平行视图的双目立体视觉

在这里插入图片描述
在这里插入图片描述
平行视图的基础矩阵
在这里插入图片描述
平行视图的极几何
在这里插入图片描述
在这里插入图片描述
平行视图的三角测量
在这里插入图片描述

  1. 如何获得平行视图？
  2. 如何建立点的对应关系？？

图像校正

在这里插入图片描述

求解步骤：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

对应点搜索

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
唯一性约束
顺序约束、单调性约束
平滑性约束

6. 多视图重建

运动恢复结构问题

通过三维场景的多张图象，恢复出该场景的三维结构信息及每张图片对应的摄像机内外参数
在这里插入图片描述

三种典型的运动恢复结构

欧式结构恢复（摄像机内参已知，外参未知）

在这里插入图片描述
在这里插入图片描述
R T未知，不能直接使用三角化
在这里插入图片描述
E因式分解出R T
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
同理，使用 T X T_X TX​的第二个表达，得 R = U W V T R=UWV^T R=UWVT
在这里插入图片描述
在这里插入图片描述
求解R T小结
在这里插入图片描述
欧式结构恢复歧义：
缺少缩放尺度，需要额外信息
在这里插入图片描述

仿射结构恢复（摄像机为仿射相机，内参、外参未知）

一种弱透视相机 8个参数
在这里插入图片描述
在这里插入图片描述
数据中心化：减去图像点的质心
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

透视结构恢复（摄像机为透视相机，内参、外参未知）

11个参数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
捆绑调整 Bundle Adjustment
在这里插入图片描述
BA
常用作SFM的最后一步，分解或代数方法可作为优化问题的初始解

PnP问题

在这里插入图片描述
PnP与三角化
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

7. 运动恢复结构系统设计

问题描述：
在这里插入图片描述

两视图sfm系统

feat extra
在这里插入图片描述
在这里插入图片描述

基于增量法的多视图sfm系统

在这里插入图片描述

预处理

在这里插入图片描述

增量法求解

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

8. SLAM 系统设计

即时定位与地图构建介绍

SLAM (simultaneous localization and mapping)，应用场景：定位，导航，避障，重建，交互
在这里插入图片描述

传感器

在这里插入图片描述
单目 monocular，stereo， RGB-D

地图

在这里插入图片描述
在这里插入图片描述

ORB–SLAM

在这里插入图片描述

系统组成

在这里插入图片描述
跟踪：确定当前帧位姿
建图：完成局部地图构建
回环修正：回环检测以及基于回环信息修正系统漂移

数据结构与数据库

data
在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述

系统工作流程

在这里插入图片描述
跟踪：
核心功能：确定当前帧位姿，确定其是否将其作为关键帧
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
建图：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
回环修正：
目的：修正累计误差
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

学习笔记 第一部链接：https://blog.csdn.net/qq_35200351/article/details/136933771
课程链接： 北邮团队 https://cv-xueba.club/index.html

yddcs
关注
  • 4
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Accurate Multiple View 3D Reconstruction using Patch-Based Stereo for Large-Scale Scenes——论文阅读笔记
m0_50903726的博客
08-05 891
论文阅读笔记：Accurate Multiple View 3D Reconstruction using Patch-Based Stereo for Large-Scale Scenes一、立体对选择二、深度图的计算三、深度图细化四、深度图融合 一、立体对选择 对于图像集中的每个图像，我们需要为其选择一个参考图像以进行立体计算。立体图像对的选择不仅关系到立体匹配的准确性，而且关系到最终的MVS结果。立体对选择对于车载摄像头采集的数据或受控于环境的摄像头采集的数据（Middlebury数据）来说是一项相对
3D Reconstruction using Stereo Vision-开源
04-28
《3D Reconstruction using Stereo Vision-开源》项目是一个利用立体视觉技术进行三维重建的开源系统，旨在为教育环境提供一种成本低廉但效果显著的解决方案。它兼容普通的相机设备，且在图像处理过程中对存储空间的...
【3D reconstruction 学习笔记】
ydd的博客，记录生活
03-22 526
三维重建学习笔记第二部链接：https://blog.csdn.net/qq_35200351/article/details/136947058 课程链接： 北邮团队 https://cv-xueba.club/index.html 摄像机模型对焦三维到二维的映射关系焦距：相机的焦距 不是透镜的 坐标系转换：相机坐标系像素坐标系 其他：图像坐标系 不是线性变换齐次坐标欧式空间2d一一对应齐次空间 (3d)，反过来不是 转换为线性变换了 摄像机的投影矩阵 制造工艺造成摄像机偏移 相机坐标系，三维重建
3d gaussian 学习笔记
u010167003的博客
07-17 767
一、相关论文。
学习笔记之——3D Gaussian Splatting源码解读
热门推荐
gwpscut的博客
01-10 1万+
高斯模型的初始化，初始化过程中加载或定义了各种相关的属性使用的球谐阶数、最大球谐阶数、各种张量（_xyz等）、优化器和其他参数。self.active_sh_degree = 0 #球谐阶数self.max_sh_degree = sh_degree #最大球谐阶数# 存储不同信息的张量（tensor）self._xyz = torch.empty(0) #空间位置self._scaling = torch.empty(0) #椭球的形状尺度。
3D Clothed Human Reconstruction in the Wild论文笔记
Imbuh的博客
11-29 946
我们提出的 ClothWild 是一种三维穿衣人体重建框架，它能从野外图像中获得显著的鲁棒性结果。为了消除合成数据集与野外数据集之间的领域差距，我们提出了弱监督管道和基于 DensePose 的损失函数。因此，我们的 ClothWild 在野外图像上的表现优于之前的 3D 穿衣人体重建方法。
Occupancy Networks: Learning 3D Reconstruction in Function Space论文笔记
weixin_45625942的博客
03-09 704
Occupancy Networks: Learning 3D Reconstruction in Function Space论文学习笔记
3D Gaussian SLAM学习笔记一.Gaussian-SLAM配置运行
wlfawlf的博客
05-27 491
对工作Gaussian-SLAM: Photo-realistic Dense SLAM with Gaussian Splatting进行复现
3D reconstruction 关键点检测 特征描述算法学习笔记
11-26 545
一. 传统的关键点检测和特征描述算法有： 1. SIFT import numpy as np import cv2 imgname1 = './555.jpg' imgname2 = './666.jpg' sift = cv2.xfeatures2d.SIFT_create() img1 = cv2.imread(imgname1) gray1 = cv2.cvtColor(img...
视觉技术学习笔记2——2D视觉与3D视觉
weixin_50151928的博客
04-27 917
2D视觉和3D视觉在人类的视觉系统中扮演着不同的角色。2D视觉主要关注于平面图像的信息处理，而3D视觉则涉及到对深度信息的理解和处理【4】。人类的大脑能够将2D视网膜图像转换成物体的3D形状，这一过程虽然在数学上看似不可能，但却是我们日常生活中不可或缺的一部分【4】。这表明，尽管2D和3D视觉在信息处理的方式上有所不同，但它们之间存在着紧密的联系。2D视觉和3D视觉在技术实现上也有所不同。例如，2D转3D技术的研究表明，通过特定的技术手段可以将普通的2D图像/视频内容转化为3D内容【17】。
Reconstruction.zip_3d reconstruction_3d重建_growquu_reconstruction
07-14
关于3D立体重建的历程，比较完整，可以学习学习
3D-Reconstruction-With-RGBD:Kinect制作的3D重建演示
04-30
这是BUCT第三学期构建的演示。 这是HuWei分配的任务，需要我们与Kinect一起工作，因此我们要对其进行3D重建。 该演示尚未完全完成。 因此，它留下了许多未构造的或构造不足的功能。 在本演示中，我们为使用点容器...
3D-face-reconstruction:使用直接体积CNN回归从单个图像进行3D人脸重建
05-10
3D人脸重建是一项前沿的技术，它旨在从二维图像中恢复出三维人脸模型。这项技术在人脸识别、虚拟现实、医学成像等领域有着广泛的应用。本项目专注于从单个图像出发，通过深度学习的方法实现3D人脸重建，特别是使用了...
3D Reconstruction From Multiple Imaging Planes
01-14
从多图像中进行3D建模A Pilot Study of Bone Tumor MR Images
昇思25天学习打卡营第14天|LLM-文本解码原理--以MindNLP为例
wwt72的博客
07-17 680
限制输出序列的最大长度为50个token。top-p=0.95，top-p采样表示在每一步生成token时，只从概率分布中累计概率达到95%的token中进行采样，有助于保持生成文本的流畅性和质量，同时允许一些低概率的token被选中，从而增加多样性。表示禁用了top-k采样，因为在top-k采样中，通常是从概率最高的k个token中随机选择一个token作为下一个输出，而这里设置为0表示不限制token的选择，实际上这将等同于使用 softmax 概率分布直接进行采样。这有助于提高生成文本的多样性。
kubernetes学习日志（七）
qq_47037022的博客
07-18 433
本文记录了service管理，ingress管理，Dashboard管理插件，集群鉴权策略，角色与全局角色，赋权与全局角色赋权。
NumPy库学习之np.random.rand函数
qq_46396470的博客
07-15 308
是 NumPy 库中的一个函数，用于生成随机数。这些随机数是从均匀分布 [0, 1) 中抽取的，即每个数都在0到1之间，但不包括1。
手写简易版Spring IOC容器02【学习】
最新发布
weixin_44794897的博客
07-19 346
其中applyPropertyValues用于从beanDefinition中读取属性的配置信息然后通过BeanUtil(hutool-all中提供的类)为其赋值@Overridetry {// 创建bean实例Class<?if (null!break;// 设置属性值try {// 从beanDefinition中获取property通过Resource获取文件流。
High precision 3D reconstruction based on binocular vision
04-29
High precision 3D reconstruction based on binocular vision involves using two cameras, typically positioned a known distance apart, to capture images of a scene from slightly different perspectives....

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

yddcs

你的鼓励--创作的动力！！！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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