![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 63
up up up!
fighting!
展开
-
基于VisualSFM的三维重建项目(二)
第三章 三维重建实验结果3.1.获取的原始图像图像数量:33 图像分辨率:1872 * 4032部分原图像,如图15所示:3.2.特征提取与匹配结果对图像进行SIFT特征提取,如图16所示:倒数第二列为每张图片提取到的特征点数量。基于提取的特征点进行特征匹配,经由匹配筛选之后,可以得到图像之间的匹配结果,如图17所示:3.3.稀疏重建结果然后进入稀疏重建的过程,稀疏重建很重要的工作就是依据匹配后的特征点对,求解出相机的投影矩阵等一些参数,为之后的稠密重建提供输入bundle文原创 2021-06-13 19:21:19 · 1045 阅读 · 3 评论 -
基于VisualSFM的三维重建(一)
第一章绪论1.1.项目背景与目的三维重建一直是计算机视觉的热点研究领域,是获取物体模型及三维场景的重要手段。人们获取物体三维信息的方法有很多种,比如传统的几何造型技术,此方法需要较好的专业水平和大工作量;还可以通过3D激光扫描技术来获取,此方法受室外环境的影响较大,且不能获得目标纹理信息。相比而言,基于图像特征点的三维重建方法没有上述建模方法的诸多限制,只需要输入图像,成本低廉,不需要其他特殊的先验信息,通过优秀先进的算法,就能恢复出图像中物体及场景的三维信息。不仅所需设备简单,对场景的限制较小,而且还原创 2021-06-13 19:16:50 · 7333 阅读 · 4 评论 -
Win10 系统下VisualStudio2019 配置点云库 PCL1.11.0
参考博文链接:博客1博客2博客3原创 2021-06-03 18:09:30 · 116 阅读 · 0 评论 -
ICP算法进行点云配准
一、算法原理1.配准给定两个来自不同坐标系的三维数据点集,找到两个点集空间的变换关系,使得两个点集能统一到同一坐标系统中,即配准过程。2.ICP(Iterative Closest Point,迭代最近邻点)ICP本质上是基于最小二乘法的最优配准方法,精度高,不需要提取特征点;但是需要在icp使用之前两点云已经完成粗配准,否则容易陷入局部最优。该算法重复进行选择对应关系点对,计算最优刚体变换这一过程,直到满足正确配准的收敛精度要求。ICP是一个广泛使用的配准算法,主要目的就是找到旋转和平移参数,将两原创 2021-06-03 18:02:03 · 10962 阅读 · 5 评论 -
关键点检测算法——sift算法
OpenCV+Python实现 shif算子(一)SIFT算法分解为如下四步:1.尺度空间极值检测:搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。2.关键点定位:在每个候选的位置上,通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。3.方向确定:基于图像局部的梯度方向,分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换,从而提供对于这些变换的不变性。4.关键点描述:在每个关键点周围的邻域原创 2021-05-22 20:43:15 · 2668 阅读 · 1 评论 -
边缘检测算法——Candy算法
OpenCV+Python 实现candy算法(一)Canny边缘检查算法步骤:1.彩色图转化为灰度图2.由于边缘检测容易受到图像中噪声的影响,应用高斯滤波来平滑图像–>去除噪声。3.找寻图像的强度梯度。 Canny的基本思想是找寻一幅图像中强度变化最强的位置。所谓的变化最强,即指梯度方向。平滑后的图像中每个像素点的梯度可以由Sobel算子来获得:(1)首先,利用Sobel算子得到沿x轴和y轴方向的梯度G_x和G_y。(2)由G_X和G_Y便可计算每一个像素点的梯度幅值G。(3)接着,每原创 2021-05-22 20:36:25 · 4272 阅读 · 0 评论 -
PCL学习 .txt转.pcd格式
【PCL学习】.txt转.pcd格式在转换前,首先确定.txt的格式,是属于xyz还是xyzrgb(含RGB信息),这关系到pcd文件中的格式是创建xyz还是xyzrgba格式。代码如下:#include<iostream>#include<fstream>#include <string>#include <vector>#include <pcl/io/pcd_io.h>#include <pcl/point_types.原创 2021-05-22 19:41:38 · 1322 阅读 · 2 评论