VisualSFM的使用方法

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SFMStructure 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

评论 30
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