单目三维重建

• 研究三维重建相关的课题，记录一些内容在这儿
• 通用的体验流程： visualSFM + pmvs + meshlab
  • visualSFM通过找到一些列的图像的特征，重构出3D模型的稀疏点云
    输入：目标各个角度拍摄的图片
    输出：一个.out 文件，记录相机位置和重建的稀疏点云；一个.ply文件存储由稀疏点云重建的稠密点云
  • pmvs 由稀疏点云，重建稠密点云
    pmvs算法组织清晰明了，原创作者的论文《Accurate, Dense, and Robust Multi-View Stereopsis》对该算法的原理介绍的十分清楚，该算法分为三个阶段：特征匹配，扩散，过滤，这三个阶段涉及的有patch模型，image模型等，涉及的原理和算法有极线一致，NCC，Harris,Dog,光度一致性，网格等等，使用了大量的第三方库
  • meshlab可以对生成ply文件做裁剪后处理，以及计算uv，纹理映射等
    meshlab支持poisson surface reconstruction，即由稠密点云生成多边形网格表面
• 用于SFM的三个库，输出是相机参数和稀疏点云，用于后面的稀疏重建：
  • bundler
  • visualSFM
  • openMVG

转载于:https://www.cnblogs.com/octave/p/7862807.html