VisualSFM的使用方法

最新推荐文章于 2024-06-26 09:06:24 发布

陈不在小胖了

最新推荐文章于 2024-06-26 09:06:24 发布

阅读量3.8w

点赞数 24

分类专栏： sfm 文章标签： SFM 三维重建 VisualSFM

本文链接：https://blog.csdn.net/u012989207/article/details/45032469

版权

本文详细介绍了使用VisualSFM进行三维重建的过程，包括匹配特征点、运动恢复结构、稀疏和密集重建。通过SIFT算法提取特征，利用Bundler进行相机位置计算，结合PMVS/CMVS实现点云重建，最后生成3D模型。文章提供了安装和操作VisualSFM的步骤，并展示了不同重建阶段的效果。

摘要由CSDN通过智能技术生成

照片重建的主要步骤：

1.找出各张图片中的特征点，进行两两匹配；

要求能够精确识别物体的局部特征，并且进行快速准确的匹配。现常用的算法是由Dacid Lowe提出的SIFT方法。

2.根据匹配结果，利用射影定理计算得到相机位置等场景信息；

此步又称运动恢复结构（Structure from Motion），或稀疏重建（Sparse Reconstruction）。结果的衡量标准注意是准确性，现常用是基于Lecenberg-Marquardt算法的Bundler。

3.运用场景信息与原始照片，得到照片中物体的3D点云；

此步又称密集重建（Dense Reconstruction）。运用多视立体重建（Multi-view Stereo Reconstruction），得到3D点云。点云质量受到处理图像精度的执行效率、重建精度和完整性影响，目前最好的算法是PMVS。

4.根据3D点云构建3D模型；

将点连成面，才可在一般三维建模软件中使用。现常用的是泊松表面重建算法（Possion Surface Reconstruction）。

VisualSFM的基本理念是SFM（Structure From Motion）：

Structure from motion (SfM) is a range imaging technique; it refers to the process of estimating three-dimensional structures from two-dimensional image sequences which may be coupled with local motion signals. It is studied in the fields of computer vision and visual perception. In biological vision, SfM refers to the phenomenon by which humans (and other living creatures) can recover 3D structure from the projected 2D (retinal) motion field of a moving ob