第五章作业3

<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title></title>
<style type="text/css">
h2{
color: #808080;
}
a{
font-style:italic;
}
span{
color: red;
}
div{
text-align:center;
}
p{
text-indent:2em
}
</style>
</head>
<body>
<div><h1>看不见的完美硬币 :细节的负担</h1>

<h2>创新公司皮克斯的启示</h2>
<hr/>
<a>
<h3>2015年05月05日 <span>17:47</span></h3></p></div>
<img src="../视图集子/图片/book.jpg"></p>

 

细节从来都是个好东西,完美的细节往往给我们赢得商业上的胜利。</p>

但是,在皮克斯,这一家满是完美主义设计师的企业里,细节竟然成了负担。</p>

怎么打造完美的细节?又怎么赢得商业上的利益。皮克斯总裁艾德·卡特姆为我们解答。</p>
</a>
<h3><p>看不见的完美硬币:细节的负担</p></h3>
<p>
在皮克斯,每一部电影都是商业与艺术的双赢。不管这些电影是艺术作品,还是商品,细节都是至关重要的,是决定成败的关键。人们似乎也听过许多关于细节的胜利的故事,但是在皮克斯,设计师们一个个都是完美主义者,细节显然成了皮克斯的负担。这样的太过于重视细节,往往会伤害到企业该有的效率,最终伤害企业的根本。在完美细节和企业应有的效率面前,艾德·卡特姆做出了明智的决策。</p>
<p>
皮克斯有一个现象,被我们的制片人叫作“看不见的完美硬币(the perfect coin)”,这个词指代的是皮克斯制作人员对细节的精益求精。有时候,被我们的制片人凯瑟琳?萨拉菲安称为“床头柜上一枚没人会注意到的硬币”这样的细节,也会引得我们的工作人员花上几天甚至数周的时间悉心打磨。凯瑟琳是《怪兽电力公司》一片的制作人员,影片中有一幕戏可以形象地向我们阐释到底什么是“看不见的完美硬币”。在这幕戏中,好奇的小布第一次来到麦克和萨里的公寓,还在蹒跚学步的小婴儿四处探索起来。两个怪物想要制止她,而她还是一步步走到了两摞高高堆起的CD旁,“别乱动!”麦克大喊起来,可是小女孩还是从90多张CD盒摞成的“高塔”底部抽出一张, CD全部倒塌散落在了地板上。麦克抱怨道:“哎,那些CD都是按字母顺序排列好的!”小女孩摇摇摆摆地走开了。这幕场景前后不到3秒钟,观众们只能够看到几个CD盒而已,但皮克斯的制作人员不仅为每一个CD盒制作了封面,还使用了可计算物体在运动时渲染效果变化的着色器。</p>
<p>
“你能看到所有CD盒吗?看不到。”萨拉菲安接着说,“把所有CD盒全部设计一遍,这工作有意思吗?其实挺有意思的。我们还真有几位工作人员觉得观众能在近镜头里把每张CD都看得一清二楚,所以就任劳任怨地把每张CD都雕琢了一番。也许,这其中的乐趣只有当事人才能体会吧。”</p>
</a>
</body>
</html>

转载于:https://www.cnblogs.com/SUN99bk/p/7820233.html

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于视觉SLAM第3章的作业,任务主要包括实现基于特征的视觉里程计(Visual Odometry)算法。视觉里程计是一种利用相机获取的图像序列来估计相机相对位置和姿态变化的技术。 在该作业中,我们需要实现一个基本的视觉里程计算法,其主要步骤如下: 1. 特征提取与匹配:从连续的图像序列中提取特征点,并进行特征匹配。常用的特征提取算法包括Harris角点检测、FAST角点检测以及ORB等。匹配可以使用描述符匹配或光流法。 2. 运动估计:利用特征点的匹配关系,通过求解基础矩阵、本质矩阵或单应矩阵,估计相机之间的运动关系。这可以通过利用RANSAC算法排除错误的匹配点,并使用最小二乘法进行估计。 3. 姿态计算:由于我们估计的是相机相对位置和姿态变化,所以需要根据相机的运动关系,计算相机的姿态变化,通常使用旋转矩阵或四元数表示。 4. 位置估计:根据相机的姿态变化和运动关系,我们可以估计相机的位置变化,即相机的移动距离。 5. 可视化与评估:最后,我们可以将估计的相机轨迹和真实的相机轨迹进行可视化比较,并计算评估指标,如平均重投影误差、路面重建误差等。 在实现上述步骤时,我们需要考虑如何处理图像的畸变校正、图像的尺度恢复以及维护地图点等问题。此外,还需要处理局部地图的优化,如图像平面到空间3D点云的投影、地图点的融合和筛选等。 总之,视觉SLAM第3章作业的目标是实现一个基于特征的视觉里程计算法,通过对图像序列进行特征提取和匹配,估计相机之间的运动关系以及姿态变化,从而计算相机的位置和轨迹变化。这是一个非常重要且基础的SLAM算法,对于实现实时地图构建和定位导航系统具有重要意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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