视觉理论学习(RANSAC与重建算法)

本文探讨了视觉理论学习中的关键算法,包括KinectFusion的3D重建、TSDF截断符号距离场、ICP算法及其在稀疏、半稠密和稠密重建中的应用,并深入解析了RANSAC算法的原理和步骤,用于滤除误匹配。同时提到了卡尔曼滤波在数据滤波和系统状态最优估计中的作用。
摘要由CSDN通过智能技术生成

KinectFusionkinectfusion3D重建基本算法

https://blog.csdn.net/xiaohu50/article/details/51592503https://blog.csdn.net/viewcode/article/details/8426846​​

TSDF截断符号距离场(truncatedsigned distance function)

表达三维场景,算法在重建的三维物体上叠加一个均匀的三维网格,每个网格体素存储其中心到最近的三维物体表面间的距离.

ICP算法

(待更)

稀疏重建:

http://www.cnblogs.com/zhubaohua-bupt/p/7182784.html
通常是重建一些图像特征点的深度,这个在基于特征的视觉SLAM里比较常见,得到的特征点的深度可以用来计算相机位姿。稀疏重建在实际应用,比如检测,避障,不能满足需求。

半稠密重建:

通常是重建图像纹理或梯度比较明显的区域,这些区域特征比较鲜明。半稠密重建在直接法视觉SLAM里比较常见。重建的三维点云相对稠密&#

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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