您好、欢迎来到现金彩票网!
当前位置:刘伯温高手论坛 > 图像匹配 >

CCCV2017讲习班笔记-基于图像的大规模场景三维重建(上)

发布时间:2019-05-27 01:23 来源:未知 编辑:admin

  今天去CCCV2017讲习班听了中科院自动化所模式识别国重实验室的申抒含老师和崔海楠老师的关于基于凸显的大规模场景三维重建的讲习班,把笔记整理了一下。(本文为上篇,内容为第一章:简介和第二章:稀疏重建。)

  小孔成像:世界中的一个点经过小孔在图像平面上会形成一个倒立缩小的像。这就形成了几何相似三角形关系。如果我们把成像平面放到前面来,就是正立缩小的像。具体的焦距、图像片面,相机中心什么就不赘述了。右下角公式表示通过一个 相似性(比例

  于是提出了射影空间,齐次坐标是射影空间的坐标表达方式:一般的坐标在xyz后面加一个1,无穷远点最后一个为0.

  这里有一个等价关系,即当非齐次坐标通过除以一个值 之后变成齐次而与一个已经存在的齐次坐标相等时为:齐次坐标在相差一个尺度时的等价。

  可以得到图像点和空间点的关系。通过相机内参数K 、相机旋转R和相机平移建立关系。

  相机的内参数由相机硬件决定,而旋转平移由相机位姿决定。空间点是场景结构点。

  即空间点X通过之前说的坐标变换(左乘P投影到图像平面上)与图像平面上的x可以产生一个L2范数作为误差。建立一个目标函数为所有点的误差和。

  这样求解重投影误差最小化问题是一个高维非线性最小二乘问题。未知数数量由图像数量乘以旋转矩阵、平移向量、内参数、畸变加上稀疏点数目乘以世界坐标X。

  求解可以用捆绑调整的工具做。Bundle Adjustment.它是一种启发式的阻尼高斯牛顿法。

  同理也可以在平面1投影出极线。连接 o t这条线叫基线。这三条线在一个平面上,这个平面叫做极平面。

  特征点匹配的难度:候选图像匹配对非常多。这里介绍了一篇解决这个问题的论文。

  但是有些地方还存在误匹配问题。极端一点的是如图所示的天坛正反面几乎完全一样。

  增量式要先选择两个图作为初始,一般要求:1.基线.匹配点足够多 当然这两个是矛盾的两个项。通过最小化右边式子来求取。

  因为经过ij的旋转矩阵要等于Rj和Ri串联之后的结果,所以要最小化两者差的范数作为目标函数。而两个点坐标也应该满足一个关系。

  混合式:全局估计旋转矩阵,增量估计摄像机位置,三角化初始场景点。这是CVPR2017的一个工作。

  这个方法提出基于团体的全局R求取:先根据相机外极几何图匹配稠密情况把这么多摄像机分成几个团体。

  RANSAC最小配置减少,更大概率随机到正确的三维点与二维点对应,这样能提高精度

  在R已知的情况下,一定程度上可以过滤一部分错误的匹配特征点,这样能提高鲁棒性

http://shinnpaint.com/tuxiangpipei/140.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有