Multi-View 3D Reconstruction with Geometry and Shading——Part-2
From PhDTheses Multi-View 3D Reconstruction with Geometry and Shading
我们的主要目标是只利用图像中的信息而没有额外的限制或假设来得到物体或场景的三维信息。
我们仅仅假定相机的位姿(位置和姿态),也即是外参和内参,要么已知要么可以很容易地利用运动恢复结构(Structure from Motion, SfM)获得,诸如由缺乏纹理或场景中有对称物体的出现造成的运动恢复结构无法成功获得所需结果的特殊情况,这也意味着这是一个较难计算的数据集,对后续要应用在这些数据上的立体方法也一样。
这里我们的研究重点不局限在基于几何的方法如多视图立体重建方法MVS,也有其他形状重建的技术如阴影恢复形状SfS,因为它弥补了经典基于特征匹配的三角化方法的不足。这两种方法可以融合到一起,利用SfS去校正MVS重建失败的地方,同样用MVS处理SfS无法取得很好效果的区域。在探求这种联系的过程中我们主要解决以下的几个问题:
- 一种新型多视图立体匹配方法。我们利用最新并行计算的方法设计一种算法,发行了开源软件Gipuma,尤其综合考虑了重建的精度、运算速度以及较小的空间消耗。
- 我们分析了如何利用新兴的深度学习技术的潜能构建一个新的针对多幅图像的相似性方程。这种新的方法通过考虑参考相机与其他视角一视同仁,不把当前参考图像的视角作为比其它视角贡献更多的角色,改善了精度,同时避免了遮挡问题。
- 我们探索了如何构建一个反射模型,不需要考虑对场景任何形式的假设,而不是像常用的经典的SfS方法那样假设光源数量已知,无限远点光源等等。因此我们想要构建的模型是一个自监督或者更通俗地说无监督的判别模型,专门作了相应调整使其对每一个物体和视角具有相同的效果。新提出的明暗信息模型可以和经典基于立体的方法结合起来从而获得更高精度的重建效果。
Multi-View 3D Reconstruction with Geometry and Shading——Part-2的更多相关文章
- Multi-View 3D Reconstruction with Geometry and Shading——Part-1
From PhDTheses Multi-View 3D Reconstruction with Geometry and Shading 计算机视觉的主要任务就是利用图像信息能智能理解周围的世界. ...
- [SLAM] 02. Some basic algorithms of 3D reconstruction
链接:http://www.zhihu.com/question/29885222/answer/100043031 三维重建 3D reconstruction的一个算法思路介绍,帮助理解 首先一切 ...
- Real-time 3D Reconstruction using Kinect
http://jiakaizhang.com/project/real-time-3d-reconstruction/ Real-time 3D Reconstruction using Kinect ...
- Camera Calibration and 3D Reconstruction
3D RECONSTRUCTION WITH OPENCV AND POINT CLOUD LIBRARY http://stackoverflow.com/questions/19205557/op ...
- Wordpress Calendar Event Multi View < 1.4.01 反射型xss漏洞(CVE-2021-24498)
简介 WordPress是Wordpress基金会的一套使用PHP语言开发的博客平台.该平台支持在PHP和MySQL的服务器上架设个人博客网站.WordPress 插件是WordPress开源的一个应 ...
- [SLAM] 02 Some algorithms of 3D reconstruction
链接:http://www.zhihu.com/question/29885222/answer/100043031 首先一切建立在相机模型 x = kPX 上 x,X分别代表图片和空间中的二维三 ...
- [读论文]Shading-aware multi view stereo
如何实现refine的? 几何误差和阴影误差如何加到一起? 为了解决什么问题? 弱纹理或无纹理:单纯的多视图立体算法在物体表面弱纹理或者无纹理区域重建完整度不够高,精度也不够高,因此结合阴影恢复形状来 ...
- GeoDesc: Learning Local Descriptors by Integrating Geometry Constraints
这篇论文提出了一种新的局部描述子学习方法,有一些点值得学习,记录下来以供参考.文章中涉及了一些3D reconstruction.structure from 的知识,不是很了解,所以理解可能有偏颇. ...
- Pushing state-of-the-art in 3D content understanding
Pushing state-of-the-art in 3D content understanding 2019-10-31 06:34:08 This blog is copied from: h ...
随机推荐
- 01. Overview Redis 关于Redis
LOGO
- DataTable克隆行
DataRow Adr = ds.Tables[].NewRow(); Adr.ItemArray = (].Rows[].ItemArray.Clone(); ds.Tables[].Rows.Ad ...
- Android-蓝牙自动配对与隐藏对话框
一.概述 本次分析是基于Android7.0的源码. 二.自动配对分析过程 首先,我们分析一下源码的自动配对过程,packages/apps/Settings/src/com/android/sett ...
- 项目实战工具类(二):ZipUtils(压缩/解压缩文件相关)
import android.content.Context; import android.util.Log; import java.io.File; import java.io.FileInp ...
- QT连接postgreSQL
这是我之前项目遇到的问题,连接postgreSQL数据库,一直找不到引擎,最后终于找到 原因了,需要程序加载 1.安装postgresql客户端,2.需要配置postgresql客户端的bin和lib ...
- sql server REPLACE 替换文本中的回车和换行符
--替换回车符 REPLACE(exp, CHAR(13), '') --替换换行符 REPLACE(exp, CHAR(10), '') --水平制表符 REPLACE(exp, CHAR( ...
- 在centos中搭建基于nginx的apt源服务器,整合yum源和apt源在一台服务器
1.首先关闭防护墙或者设置规则通过且关闭selinux 2.nginx-1.14.2版本(编译安装)-自定义安装路径 3.开启nginx目录浏览 以上步骤请参考前文:https://www.cnblo ...
- coursea机器学习课程作业
coursea机器学习课程作业 一 关于此课程 课程地址 图片来自网络 1.官网课程地址传送 2.如果访问官网速度较慢可以上 B站课程地址 机器学习是一门研究在非特定编程条件下让计算机采取行动的学科. ...
- #033 信安培训基础题Python解决网络安全实验室|网络信息安全攻防学习平台
第三题猜猜这是经过了多少次加密?分值: 200 加密后的字符串为:一大串 字符串最后面是= 所以是base64.b64decode编码究竟为啥有=就是base64咱也不知道 咱也不敢问咋解密也是从网上 ...
- 看到了必须要Mark啊,最全的编程中英文词汇对照汇总(里面有好几个版本的,每个版本从a到d的顺序排列)
java: 第一章: JDK(Java Development Kit) java开发工具包 JVM(Java Virtual Machine) java虚拟机 Javac 编译命令 java ...