目录

简介

三维重建

三维几何视觉核心问题：

途径一：Simultaneous Localization and Mapping (SLAM)

途径二：Structure from Motion (SfM)

SLAM & Incremental SfM：

SfM误差消除策略：

图像三维建模的基本流程

稀疏点云重建

基础：小孔相机模型

重投影误差最小化

相机位姿初始化（增量式、全局式、混合式 ）

增量式Structure from Motion

全局式 Structure from Motion

混合式 Structure from Motion

简介

申抒含，中国科学院自动化研究所模式识别国家重点实验室副研究员，2010年于上海交通大学自动化系获博士学位。研究领域为三维计算机视觉理论与应用，包括基于图像的大规模场景三维重建、智能机器人三维环境感知、场景三维语义建模等。在IEEE Trans. on Image Processing、ISPRSJournal of Photogrammetry and Remote Sensing、PatternRecognition、CVPR、ECCV、3DV等国际期刊和会议发表论文50余篇。所开发的图像三维重建算法集成于三维视觉开源系统TheiaSfM、OpenMVG、OpenMVS等。作为课题负责人主持和参与国家自然科学基金、973、863、中科院先导专项、以及各类企业课题十余项。入选中科院青促会会员、中科院自动化所特聘青年骨干,曾获2016年ACM北京新星奖，2018年中国图象图形学会科学技术二等奖。

中国科学院自动化研究所模式识别国家重点实验室http://vision.ia.ac.cn

7月21日  08:30-10:30

三维重建

场景的三维结构、场景的语义信息、相机的空间位姿

几何精确性、场景完整性、语义准确性、高效矢量表达

三维几何视觉核心问题：

场景结构+相机位姿+(相机参数)

途径一：Simultaneous Localization and Mapping (SLAM)

—视频序列

—重建场景稀疏/准稠密/稠密结构与相机位姿（on-line）

—闭环检测+图优化（on-line）

途径二：Structure from Motion (SfM)

—多视角图像

—图像完全匹配（off-line）

—重建场景稀疏结构与相机位姿（off-line）

SLAM & Incremental SfM：

错误匹配→误差累计→场景漂移

SfM误差消除策略：

• View graph filtering
• Tracks selection
• Next best view
• Global bundle adjustment

图像三维建模的基本流程

稀疏点云重建

输入：多视角图像

输出：相机位姿、稀疏点云

基础：小孔相机模型

重投影误差最小化

相机位姿初始化（增量式、全局式、混合式 ）

增量式Structure from Motion

全局式 Structure from Motion

混合式 Structure from Motion

参考文献 

【SLAM】SfM论文推荐（ICCV,CVPR,ECCV等）Structure from Motion 

文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。

原文链接：kings.blog.csdn.net/article/details/97633400