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
三角化(线性解法)
三角化(非线性解法)
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
多视图几何
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
将搜索范围缩小到对应的极线上。
平行视图:
前向平移:
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;
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。
基础矩阵估计
估计出的F不是要求的基础矩阵
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
平行视图的基础矩阵
平行视图的极几何
平行视图的三角测量
- 如何获得平行视图?
- 如何建立点的对应关系??
图像校正
求解步骤:
对应点搜索
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
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)
R T未知,不能直接使用三角化
E因式分解出R T
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
求解R T小结
欧式结构恢复歧义:
缺少缩放尺度,需要额外信息
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
数据中心化:减去图像点的质心
透视结构恢复(摄像机为透视相机,内参、外参未知)
11个参数
捆绑调整 Bundle Adjustment
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
PnP与三角化
7. 运动恢复结构系统设计
问题描述:
两视图sfm系统
基于增量法的多视图sfm系统
预处理
增量法求解
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
传感器
单目 monocular,stereo, RGB-D
地图
ORB–SLAM
系统组成
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
系统工作流程
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
建图:
回环修正:
目的:修正累计误差
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