sfm_pipline
2015-12-28 22:43:03 11 举报
sfm_pipline是一个用于3D重建的流程,它包括以下步骤:特征提取、特征匹配、运动估计和三角测量。在特征提取阶段,算法会检测图像中的关键点并计算它们的描述符。在特征匹配阶段,算法会将相邻帧之间的关键点进行匹配。在运动估计阶段,算法会根据匹配的关键点计算出相机的运动轨迹。最后,在三角测量阶段,算法会根据相机的位置和角度以及关键点的位置来重建三维场景。 总之,sfm_pipline是一个复杂的流程,需要多个步骤才能完成3D重建任务。但是,通过使用先进的算法和技术,我们可以实现高质量的三维重建结果。
作者其他创作
大纲/内容
LM非线性优化基础矩阵
特征提取
更新三维点
五点法计算图片相对姿态
相机运动估计
分解P得到相机参数初值
否
初始图片对
基于RANSAC的单应性矩阵计算
特征匹配
计算单应性比例
特征匹配链
DLT法计算投影矩阵P
根据匹配对判断图像相关性
LM非线性优化单应性矩阵
非线性优化P
基于RANSAC的基础矩阵计算
相机参数恢复和稀疏点云提取
三角测量法计算三维点初始位置
图像序列
全局Bundle Adjustment
是,添加图片
计算图像单应性比例
Bundle Adjustment
是否还有图片未添加
输出
计算图像相关性
Bundle Adjustment优化相机参数
0 条评论
下一页