三维重建学习笔记

如果想透彻的理解这些东西，可以阅读它提供的每节课的代码，应该就可以完全掌握

第一节

第二节

第三节

实例代码

第四节 特征点检测和匹配

第五节 相机模型和对极几何

slam中的对极几何约束，从表面上看如果E和F已知，再知道和或者和中的一个点，就可以根据这个约束求出另一个点，再进一步在双目视觉匹配中，RT是已知的，按照这个理论，左目图像中的任何一点都可以轻松算出右图像中对应的点。事实是个错觉，因为从公式的定义上看也知道对极几何约束，该公式只能在存在点对情况下，求E和F，反过来，知道E和F或者RT和其中一点求另一点是行不通的，因为真正推到一遍会发现，该等式在双目视觉中和横坐标x无关，也就是对于任何的x该等式都成立，只是对y有约束。对于slam前后帧的话，我想有类似的结论。

由本征矩阵恢复相机的姿态(R，T)四种情况没懂

第6节 双视角 SFM

• 三角测量的意思就是在已知RT的情况下，并且知道前后帧的点的对应关系，求出点的深度信息，类似在双目视觉中，知道基线，知道匹配点，求该点的三维坐标。
• BA优化的参数是初始三维点和RT矩阵

QR分解没懂，BA算法要透彻的理解可以读一下提供的代码，里面有雅克比矩阵的构造，每个技术都懂，但好像怎么得到最后的结果不懂，也就是pipeline不懂，需要再查些资料吧

第7节 增量 SFM

bunder: http://www.cs.cornell.edu/~snavely/bundler/
VisualSFM: http://ccwu.me/vsfm/
Theia: http://www.theia-sfm.org/sfm.html
Colmap: https://demuc.de/colmap

第8节 稠密点云重建