- 博客(10)
- 收藏
- 关注
RSS订阅原创 Multiple View Geometry - Chaper 7
Bundle Adjustment & Nonlinear Optimization光束平差法及非线性优化1.Optimality in Noisy Real World Conditions在先前章节中讨论了使用线性方法来计算3D点的深度和相机旋转位移的方法。但是在实际的运算过程中，存在噪声数据，点与点并不一定完全相关甚至完全不相关，这样就无法保证相机的旋转和平移与真实值一致并获得一个一致性的重建结果。为了将噪声和数据扰动考虑进去，可以转换进贝叶斯公式(Bayesian formulation),通过最大
2022-06-20 17:34:01
168
1
原创 Multiple View Geometry - Chaper 6
1.Preimage from Multiple Views多视图的原像A preimage of multiple images of a point or a line is the (largest) set of 3D points that gives rise to the same set of multiple images of the point or the line多张图像的点或线的原像是产生该点或线的最大3D点集。该图的原像P1和P2相交于线L；两张图上的点x1和x2的原像相交于点
2022-06-18 17:13:04
311
原创 Multiple View Geometry - Chaper 5(3)
1.Planar Homographies单应矩阵假定场景的点都落在一个平面上，第一帧定义点坐标系，平面的法向量,有第二帧有如下关系其中H是单应矩阵，引入2D坐标系有这个表达式是平面单应矩阵，从上式可以看出H与相机的旋转、平移以及平面的参数有关。与对极几何相似的处理，左右同乘称为平面对极约束或平面单应约束。同样也可以写成下述形式，2.The Four Point Algorithm四点算法假定有两幅图中四对以上的2D相关点,每个点对引入一个矩阵,形成一个大矩阵可以看出四点法与八点法类似，四点算法中H分解为R
2022-06-12 15:51:26
134
原创 Multiple View Geometry - Chaper 5(2)
1.The Epipolar Constraint对极约束齐次坐标系下的是3D空间点X的投影。相机参数给定（设K=1），初始相机无旋转和位移，关于该投影公式只差一个未知数深度。从第一帧到第二帧，就需要相机旋转R和转换T，等式如下：左右同乘对于3D点在第二帧上的投影有如下的对极约束：最后两次运算是不可逆的，每次计算不可避免的丢失了部分与x2，T垂直的信息。对极约束也被叫做本质约束（essential constrait）或双线性约束（bilinear constrait)。对极约束提供了3D空间的点在两张图片
2022-06-09 14:46:01
164
原创 Multiple View Geometry - Chaper 5(1)
Reconstruction from Two Views：Linear Algorithms从两视图重建：线性算法1.Problem formulation问题公式化首先从上节的一系列相关点来估计相机运动，一旦获得了相机的相关位置和相机的坐标，可以通过三角约束来重建所有点的3D位置。2.Epipolar Geometry对极几何对极几何是立体视觉的几何，当两个摄像机从两个不同位置查看3D场景时，3D点及其投影到2D图像上存在许多几何关系，从而导致图像点之间的约束。三维空间中的一个点投影到两个图像上，分别对
2022-06-08 21:09:09
118
原创 Multiple View Geometry - Chaper 4
Estimating Point Correspondence估计点的相关性本章遵循下述假设，环境是静态的，唯一运动的是相机。1.From Photometry to Geometry从图片到几何在图像上我们实际上观察到的不是点或线，而是每个像素的亮度或颜色值。为了确定从一个图像转移到另一个图像的变换，可以确定具有特征的图像点，然后和其他帧的相关点的关系。这种相关点的匹配可以帮助推断3D结构。存在的问题是，每张图片选取一小部分点来做特征匹配，意味着同时丢掉了大量潜在可能的信息。2.Small Deforma
2022-06-07 16:33:59
286
原创 Multiple View Geometry - Chaper 3（2）
1.Spherial Perspective Projection球面透视投影上节对于针孔相机透视模型想象为一个平面，相对应的也可以考虑为一个球面投影表面。设单位球为,一个3D点到球面投影转换定义为：世界坐标系与像素坐标系x’之间的关系此处放缩因子2.Radial distortion径向畸变径向畸变的简单模型为畸变点，3.Preimage of Points and Lines点与线的原像由于未知距离放缩因子，图像上的每一个点都对应一系列的点y~x。一条三维空间的线L是由基点和向量决定的：线L图像A pr
2022-06-05 10:45:51
157
原创 Multiple View Geometry - Chaper 3（1）
多视图几何——第三章 透视投影 （1）1.透视投影由三角形A和B相似可得透视变换定义为2.理想的透视相机模型在齐次坐标系中，透视变换矩阵 称为标准投影矩阵，假定Z是一个固定值λ＞0，则相机坐标系下X与世界坐标系的关系：或齐次坐标系下世界坐标到图像坐标的关系式如果焦距f已知，可通过改变图像坐标的单位归一化，g代表刚体运动。3.相机内参如果相机没有在光心，需要额外的变换，与分辨率相关；如果像素坐标没有尺寸变换，我们需要引入额外的x，y方向的放缩；如果像素不是标准长方形，也需要一个倾斜因子。像素坐标系与齐次坐标
2022-06-02 11:06:23
128
原创 Multiple View Geometry - Chapter2
Representing a Moving Scene1.Three-demensional Eucliden Space我们生活的空间称为3D欧式空间，空间中任意一点可以表示为给定两点和,可以定义一个有界向量（bound vector）如果该向量独立于他的基点Y，那就是一个自由向量（free vector）。2.Cross Product and Skew-symmetric Matrices叉积和斜对称矩阵外积是与和都垂直的向量 。其方向由右手定则决定，模长等于以两个向量为边的平行四边形的面积。外积具有
2022-06-01 15:36:33
240
原创 Multiple View Geometry - Chaper 1
多视图几何——第一章 数学基础注：本系列文章为TUM的Multiple View Geometry课程系列笔记，原课程b站可见。1.Inner product内积是一种向量相乘的方法，乘法的结果是标量。2.Kronecker product克罗内克积是对两个任意大小的矩阵的运算，从而产生块矩阵。它是外积从向量到矩阵的推广。A是m×n矩阵，B是p×q矩阵，则克罗内克积3.Stack of a matrix矩阵堆栈，为列向量，4.Linear
2022-05-31 15:53:03
205
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