- 博客(84)
- 资源 (8)
- 收藏
- 关注
RSS订阅
原创 来聊聊三维重建？
2021年，对于中国而言，可以算是实景三维的元年，自然资源部发布《实景三维中国建设技术大纲（2021版）》，各地实景三维项目建设进入新高潮，对于测绘人而言，这算是一件大事，这似乎意味着，摄影测量进入了全新的实景三维重建阶段。2022年3月，自然资源部办公厅发布《关于全面推进实景三维中国建设的通知》，对全面推进实景三维中国建设作出了部署，一切似乎昭示着，方向已定，大家放手干！我想结合点自己的经历和大家聊聊三维重建。2009年，我进入武汉大学遥感信息工程学院攻读本科，摄影测量和遥感是我们的主修方向，在实际在
2022-05-14 14:59:29
4322
21
原创 立体视觉入门指南（7）：立体匹配
关于立体匹配，我之前写了很多博客，重复去写就没有必要，学习的朋友请阅读如下链接，本文我们随便聊聊立体匹配的方法论和弱纹理恢复问题。
2022-02-12 15:05:44
15579
6
原创 立体视觉入门指南（6）：对级约束与Fusiello法极线校正
对级约束是立体视觉中非常重要的约束，极大的减少了搜索空间，而Fusiello法极线校正法原理简单，计算复杂度低，且可以高度并行，是一个不错的算法。本篇带大家深入了解一下吧！
2021-08-21 22:33:44
6570
15
原创 立体视觉入门指南（5）：双相机标定【再不收藏我收费了~】
前两篇博主介绍了两种单相机标定方法，有同学一定会有所疑惑，本系列明明是立体视觉，为什么要介绍单相机标定而不是双相机标定呢？原因很简单，那就是单相机标定是双相机标定的基础，具体来说，双相机标定正是先分别完成两个单相机的标定，再进行整体标定的。且听我娓娓道来~
2021-07-21 00:15:50
9165
31
原创 立体视觉入门指南（4）：相机标定之DLT直接线性变换【建议收藏】
同学们好，在上一篇 立体视觉入门指南（3）：相机标定之张式标定法 中，我们接触了迄今为止可能是最为出名应用最为广泛的相机标定方法：Zhang式标定法。但实际上，并不止其一种标定方法被广泛使用，还有另外一种使用也非常广泛的标定方法，称为：直接线性变换法（Direct Linear Transform，DLT）。
2021-06-28 19:20:59
9945
21
原创 重建我的3D世界【代码开源】【连载-3】【Colmap和OpenMVG对比】
在重建我的3D世界系列的第二篇，我提到关于SFM部分是选择Colmap还是OpenMVG的问题，并决定实践出真知。Colmap官网就提供了带有界面的测试程序，用起来很方便，我下载了3.6版本，而OpenMVG则可以较为容易的编译，它不提供带界面程序，有控制台程序可以测试。一起来看看测试结果吧！
2021-06-25 12:01:33
7715
24
原创 重建我的3D世界【代码开源】【连载-2】
继上一篇为重建3D世界系列开了个头之后，博主并没有歇着，一方面在和朋友们的交流中，有不少给我建议用Colmap替代OpenMVG来完成SFM部分，理由是Colmap的SFM要比OpenMVG更稳，这让博主在方案上有了其它想法，其实就是选择Colmap+OpenMVS还是OpenMVG+OpenMVS，秉着实践出真知的道理，我会同时编译Colmap和OpenMVG，测试一些数据来观察下结果再做决定，测试结果我会另开博客来整理。
2021-06-16 23:07:10
3229
4
原创 重建我的3D世界【代码开源】【连载-1】
最近想做点有趣的东西：重建我周围的3D世界。这听上去像是一个很酷的事情，其实很多人已经做了，且做的很好，我知道有Pix4D、PhotoScan、ContextCapture、大疆智图等早已做的非常完善的商业软件。但是做一个不需要商业License许可随时可用的软件似乎还是有一点意义。
2021-06-12 00:32:53
4090
20
原创 【代数之美】线性方程组Ax=0的求解方法
在3D视觉中，我们常常会遇到这样一个问题：求解线性方程组Ax=0，从矩阵映射的角度来说，所有解组成了矩阵A的零空间。一个典型的场景比如用八点法求解本质矩阵E。这是一个基础且常见的线性代数问题，本篇我们来讨论下此类问题的解法，也算是一个入门课程。
2021-06-09 15:15:43
27606
2
原创 【代数之美】奇异值分解（SVD）及其在线性最小二乘解Ax=b上的应用
奇异值分解（Singular Value Decomposition，SVD）是线性代数中重要的矩阵分解，是特征分解在任意矩阵上的推广，在立体视觉、三维重建领域应用非常广泛。由于可以用于求解线性方程的最小二乘解，所以在求解本质矩阵、单应性矩阵、点云刚性变换矩阵时，都能用到SVD。
2021-06-07 21:57:43
3977
8
原创 立体视觉入门指南（3）：相机标定之张式标定法【超详细值得收藏】
本课程将带大家由浅入深的了解立体视觉的理论与实践知识。我们会从坐标系讲到相机标定，从被动式立体讲到主动式立体，甚至可能从深度恢复讲到网格构建与处理，感兴趣的同学们，来和我一起探索立体视觉的魅力吧！
2021-05-04 13:52:34
12000
24
原创 立体视觉入门指南（2）：关键矩阵（本质矩阵，基础矩阵，单应矩阵）
本课程将带大家由浅入深的了解立体视觉的理论与实践知识。我们会从坐标系讲到相机标定，从被动式立体讲到主动式立体，甚至可能从深度恢复讲到网格构建与处理，感兴趣的同学们，来和我一起探索立体视觉的魅力吧！
2021-03-25 22:42:52
9565
28
原创 立体视觉入门指南（1）：坐标系与相机参数
本课程将带大家由浅入深的了解立体视觉的理论与实践知识。我们会从坐标系讲到相机标定，从被动式立体讲到主动式立体，甚至可能从深度恢复讲到网格构建与处理，感兴趣的同学们，来和我一起探索立体视觉的魅力吧！
2021-02-02 21:28:56
15855
34
原创 【码上实战】【立体匹配系列】经典AD-Census: （6）多步骤视差优化
立体匹配经典算法AD-Census在线编码教学（6），代码已开源！
2020-11-15 21:47:40
5992
30
原创 直播预告：摄影测量影像快速立体匹配关键技术研究
直播预告：摄影测量影像快速立体匹配关键技术研究李迎松 武汉大学 工学博士10月30日（周五）晚上8点，Bilibili直播，不见不散直播间：22593701直播间地址：https://live.bilibili.com/22593701等你来！...
2020-10-30 09:29:26
1158
原创 【码上实战】【立体匹配系列】经典AD-Census: （5）扫描线优化
立体匹配经典算法AD-Census在线编码教学（5），代码已开源！
2020-10-08 12:42:31
4733
12
原创 【码上实战】【立体匹配系列】经典AD-Census: （4）十字交叉域代价聚合
立体匹配经典算法AD-Census在线编码教学（4），代码已开源！
2020-09-30 23:50:57
7371
31
原创 【遇见CUDA】要更快，请提高数据传输效率！
你的CUDA算法，数据传输是否是你的性能瓶颈呢？要用常规还是异步？锁页还是零拷贝？看完此文，你应该能有所判断！
2020-08-17 21:22:26
12183
9
原创 【理论恒叨】【立体匹配系列】经典AD-Census: （3）扫描线优化（Scanline Optimization）
AD-Census，立体匹配经典算法，效率高，效果好！
2020-08-05 22:13:20
8053
5
原创 【理论恒叨】【立体匹配系列】经典AD-Census: （2）十字交叉域代价聚合（Cross-based Cost Aggregation）
AD-Census，立体匹配经典算法，效率高，效果好！
2020-08-04 23:44:55
11605
26
原创 【码上实战】【立体匹配系列】经典PatchMatch: （6）后处理
立体匹配经典算法PatchMatchStereo在线编码教学（6），代码已开源！
2020-07-23 23:34:10
7252
40
原创 【码上实战】【立体匹配系列】经典PatchMatch: （5）迭代传播
立体匹配经典算法PatchMatchStereo在线编码教学（5），代码已开源！
2020-07-19 00:29:46
7467
20
原创 【码上实战】【立体匹配系列】经典PatchMatch: （4）代价计算
立体匹配经典算法PatchMatchStereo在线编码教学（4），代码已开源！
2020-07-17 23:00:08
6583
12
原创 【码上实战】【立体匹配系列】经典PatchMatch: （3）随机初始化
立体匹配经典算法PatchMatchStereo在线编码教学（3），代码已开源！
2020-07-11 15:52:13
5886
10
原创 【码上实战】【立体匹配系列】经典PatchMatch: （2）主类
立体匹配经典算法PatchMatchStereo在线编码教学（2），代码已开源！
2020-07-10 16:18:27
5421
23
原创 【码上实战】【立体匹配系列】经典PatchMatch: （1）框架
立体匹配经典算法PatchMatchStereo在线编码教学（1），代码已开源！
2020-07-08 01:25:10
13146
16
Data-FasterStereoCuda测试数据.rar
2020-10-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人