多视角三维边缘重建

这是一篇讲述从多视图的角度进行三维边缘重建的文章。
之前的方法主要从视频中重建直线或者边缘点，但是无法重建曲线。这篇paper1. 提出了EdgeGraph3D system，可以从无序的图像序列中重建出直线和曲线的三维坐标。2. 提出了一个基于图的二维边缘表示方式，从而鉴定出最重要的structurally significant edges。
优点： 和传统的photometric reconstruction system 比，对于光照变化和反射更加鲁棒。

问题：1. 要多少张图像？2. 精度有多高？3. 边缘点不包括曲线的边缘点吗？有点模糊不清。

创新：目前现有的算法，只能重建直线边缘，并且通过视频序列来简化边缘匹配的流程，应用于三维重建，相机追踪，以及SLAM算法中，但是缺少一种通用的3D边缘重建算法，这篇文章提出了从一系列无序的图像中，重建出三维点云的算法。

2D edge-graph， 定义了一个计算距离的公式，来filter多余的边缘，我觉得这个基于距离的filter，其实是做烂了的，不过他把element的形式改变了，就可以说，需要换一个新的公式来表述。这个点感觉没多大启发，主要是用来去除不重要的边缘，并连接了一些间断边缘，对我们意义不大。
用polyline来表示curve，在我看来，仍然降低了精度，就是把曲线换成一堆直线的连接了。（a sequence of straight line segments）

重建，还是基于一系列的图像的，even if unordered, not two

video sequence

still need multiple images for matching.
requires at least three images from different views to work.

But binocular stereo vision should require only two images.

We evaluate the results obtained by EdgeGraph3D on
the fountain-P11 sequence of the EPFL dataset [21] and
on 6 sequences of the DTU dataset [10] by reconstructing
the 3D edges, extracting a point cloud by finely sampling
them, used to reconstruct a mesh using the algorithm in [19]
which is then compared with the ground truth.