自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(17)
  • 收藏
  • 关注

原创 基于MVS的三维重建算法学习笔记(五)— 立体匹配经典算法PatchMatch论文翻译及要点解读

PatchMatch提出了一种局部立体匹配算法,该算法在支持区域投影到的每个像素处计算 3D 平面。解决寻找这些平面的挑战性任务的理想算法是 PatchMatch。我们的结果显示了令人印象深刻的亚像素结果,并且在 Middlebury 基准测试中排名极佳。并且还证明了倾斜窗口可以作为全局方法的数据项。

2022-09-21 16:05:14 1295 2

原创 基于MVS的三维重建算法学习笔记(三)— 立体匹配概述

在之前的博客中简单介绍过立体匹配,它是MVS稠密重建中的重要环节,而在这篇博客中,将详细的介绍立体匹配的相关概念。

2022-09-11 16:23:10 2773

原创 基于MVS的三维重建算法学习笔记(四)— 立体匹配经典算法Semi-Global Matching(SGM)论文翻译及要点解读

精确、密集的立体匹配方法对于三维重建来说至关重要,其中所要面临的有三个问题——1.避免物体的精细结构边界模糊不清、2.对应像素强度由于光照和反射往往存在差异、3.计算效率需要提高;针对这三个问题,SGM提出了其解决方案,使得算法是精确的、鲁棒的、快速的。所以半全局立体匹配算法引入了互信息MI代价来匹配对应强度关系复杂的图像,甚至可能是不同传感器的图像;并且提出了一种全局代价计算的近似用来提高效率,通过组合许多一维约束来逼近一个全局的、二维的光滑性约束。

2022-09-06 17:50:15 1782

原创 基于MVS的三维重建算法学习笔记(二)— 立体视觉的几何基础总结

本博客主要是介绍了一些在三维空间中应用的基础知识,主要参考的教程是《视觉SLAM十四讲》以及其配套的视频教程;本文也只是做一些记录和总结,会不定期更新,详细的内容可以去看作者的具体教程;

2022-09-02 14:42:28 1709

原创 基于MVS的三维重建算法学习笔记(一)— MVS三维重建概述与OpenMVS开源框架配置

MVS(多视点立体算法,Multi-view stereo)能够单独从图像中构造出高度细节化的3D模型,采集一个庞大的图像数据集,用其来构建出一个用来解析图像的3D几何模型。OpenMVS是一个比较经典的MVS(Multi-View Stereo)开源库,集成三维重建整个完整的技术方案;OpenMVS非常适合入门系统学习和二次开发。代码框架非常完善,代码实现清晰且规范,可快速提高项目实战经验。学习三维重建必备。...

2022-08-29 18:20:34 25651 13

原创 NeRF神经辐射场学习笔记(十一)— NeRF渲染测试数据

NeRF渲染测试数据

2022-08-24 17:37:52 2722 4

原创 NeRF神经辐射场学习笔记(十)— BungeeNeRF(CityNeRF)实现以及代码注释

BungeeNeRF代码实现

2022-08-24 14:50:43 4009 18

原创 NeRF神经辐射场学习笔记(九)— BungeeNeRF(CityNeRF)论文翻译以及原理解读

BungeeNeRF扩展了传统NeRF的尺度范围,由单一尺度的物体渲染过渡到了城市场景的多尺度渲染——从捕捉卫星级别的城市概貌到显示建筑物复杂细节的地面图像;城市场景这种大范围的观察位置会产生不同细节层次的多尺度渲染,而BungeeNeRF是采用一种渐进的神经辐射场(a progressive NeRF),能够在不同尺度上实现细节层次的渲染——从a shallow base block开始拟合远距离视图,随着训练的进行,新的blocks被加入到模型中用来适应逐渐靠近的视图细节。

2022-08-20 18:39:26 2856 1

原创 NeRF神经辐射场学习笔记(八)— Block-NeRF论文创新点解读

Block-NeRF是一种NeRF新的延伸,用来表示大规模环境。在渲染城市规模的场景时,将城市场景分为多个模块(Blocks),并且将NeRF也单独分配给每个block进行渲染,在预测时动态地呈现和组合这些NeRFs。这种分解(decomposition)的过程将渲染时间与场景大小解耦(decouples),即分隔开两者之间的必然联系,使渲染能够扩展到任意大的环境,并允许对环境进行逐块更新(per-block updates ofthe environment)。

2022-08-19 19:59:06 4188

原创 NeRF神经辐射场学习笔记(七)— NeRF-W论文翻译及原理解读

NeRF-W(NeRF in the wild)针对于传统NeRF有关光照变换(variable illumination)和瞬时遮挡(transient occluders)的局限,提出了改进方案。文章引入了一些新的观点使得能够利用非结构化图像集合(instructured image collections)进行场景重建;...

2022-08-17 09:47:56 3516

原创 NeRF神经辐射场学习笔记(六)— NeRF++论文要点解读

NeRF++属于是对NeRF的更深理解和延伸,该文章首先讨论了几何-辐射模糊性(shape-radiance ambiguity)这一现象,并且分析了NeRF对于避免该现象的成功之处;接下来,NeRF++提出了一种参数化方法——反球面参数化(inverted sphere parameterization)来应对360度大规模无界3D场景的渲染,并取得了良好的效果。...

2022-08-16 14:46:13 4360 1

原创 NeRF神经辐射场学习笔记(五)——Mip NeRF 360论文创新点解读

谷歌研究科学家Jon Barron提出了关于无界场景重建的新的观点——Mip-NeRF 360,该论文从三个方面提出了新的观点,使用非线性场景参数化、在线“蒸馏”和新颖的基于失真的优化器来克服无界场景带来的挑战。与 mip-NeRF 相比,均方误差降低了 57%,并且能够生成逼真的合成视图和详细的深度用于高度复杂、无界的现实世界场景的地图。...

2022-08-15 21:54:46 2025

原创 NeRF神经辐射场学习笔记(四)——Mip NeRF论文创新点解读

Mip NeRF是针对NeRF原始方法渲染时由于同一场景对应的多个图片分辨率不一致而出现模糊和锯齿的现象提出的,对于Mip NeRF而言,主要的创新点分为三个方面: 1. Mip NeRF的渲染过程是基于抗锯齿的圆锥体; 2. Mip NeRF提出了新的位置编码的方法——IPE; 3. Mip NeRF将coarse和fine的MLP减少到一个单一的多尺度MLP;...

2022-08-13 15:13:32 2921 1

原创 NeRF神经辐射场学习笔记(三)——Point-NeRF论文解读

Point-NeRF结合了NeRF利用体素渲染合成高质量视图的方法,以及MVS中通过卷积神经网络快速重建场景的思路,先通过MVSNet得到初始神经点云场景,然后利用神经3D点云和神经特征来构建一个基于Point的辐射场,来渲染场景;在速度上面,其重建的时间要比NeRF提高了30倍。...

2022-08-12 21:19:05 3354 1

原创 NeRF神经辐射场学习笔记(二)——Pytorch版NeRF实现以及代码注释

Pytorch版NeRF实现以及代码注释

2022-08-10 00:15:01 14827 24

原创 NeRF神经辐射场学习笔记(一)——NeRF论文翻译以及原理解读

NeRF一文提供了一种新的思路——神经辐射场(NeRF,NeuralRadianceFields),其能够隐式地用一个MLP全连接神经网络来表示一个静态物体或者场景,参数经过优化后的网络则可以从任意角度生成场景的图片。由于NeRF超强的隐式三维信息表达能力,使得其快速应用于新视点合成、三维重建等领域。...

2022-07-29 15:22:50 7166 3

原创 基于RGB-D相机的三维重建算法学习笔记(一)——KinectFusion方法解读

KinectFusion论文笔记: 1. 表面测量(Surface measurement);2. 表面重建更新(Surface reconstruction update); 3. 表面预测(Surface prediction); 4. 传感器位姿估计(Sensor pose estimation);

2022-07-13 15:36:42 1553

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除