logo资料库

Modeling the World from Internet Photo Collections.pptx

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：2.38M 资料格式：pptx 举报 版权申诉
第1页 / 共26页
第2页 / 共26页
第3页 / 共26页
第4页 / 共26页
第5页 / 共26页
第6页 / 共26页
第7页 / 共26页
第8页 / 共26页
资料共26页，剩余部分请下载后查看
    Modeling the World from Internet Photo Collections 利用互联网图片集对世界进行建模
    Modeling the World from Internet Photo Collections Noah Snavely ·Steven M. Seitz ·Richard Szeliski • Abstract • 1 Introduction • 2 Previous Work • 3 Overview • 4 Reconstructing Cameras and Sparse Geometry • 5 Photo Explorer Rendering • 6 Photo Explorer Navigation • 7 Enhancing Scene • 8 Results • 9 Research Challenges
    Abstract & Introduction Main point : Using structure-from-motion and image-based rendering algorithms to operate images downloaded from the Internet ,and reconstructing world sites. (核心：从网络图片实现世界的三维重建) Major challenge: the images are unorganized, uncalibrated, with widely variable illumination, resolution, and image quality. (主要挑战：网络图片质量参差不齐)
    2 Previous Work 2.1 Feature Correspondence-特征匹配 • “corner-like” feature points， Harris feature points等特征； 本文采用：SIFT特征，因其优越的尺度不变性 2.2 Structure from Motion-稀疏重建 • 在Lowe 2005提出的 SfM 基础上做了四点改变： 姿态估计初始化相机参数，启发式规则选择初始图像，检验重构点优良性，从EXIF中计算焦距 2.3 Image-Based Modeling-基于图像建模 • 稀疏重建、基于模型重建等计算机视觉技术，研究成果众多，其又被称为 基于图像的建模 方法。 本文强调creating smooth 3D transitions between photographs 而不是interactively visualizing a 3D world。 2.4 Image-Based Rendering-基于图像渲染 • 本文避开IRB技术的核心：重建逼真的物体表面，光照问题、精确像素插值问题 这使文章能够不受IBM与IBR方法的限制，更自由地操作输入图片。 2.5 Image Browsing, Retrieval, and Annotation搜集图片 • 检索技术： Video Google 的三维扩展版本 注释技术：能使得注释在不同图片之间迁移
    3 Overview （此部分为文章脉络概述） • 本文主要目标：geometrically register large photo collections from the Internet and other sources • 主要困难：网络图形对于建模的不友好性，质量问题 • 主要解决方法：特征匹配和稀疏重建 • 第四部分：详细叙述本文建模方法 • 第五部分：如何得到一个相对完美的物体表面 • 第六部分：photo explorer接口，用于用户输入图片后三维场景重建 • 第七部分：标注在多张图片中转移的技术 • 第八部分：11个场景的建模效果展示 • 第九部分：研究团队遇到的挑战性问题
    4 Reconstructing Cameras and Sparse Geometry 相机标定与稀疏重建 • 4.1Keypoint Detection and Matching（关键点检测和匹配） • 4.2 Structure from Motion（稀疏重建） • 4.3 Geo-Registration（确定相机的绝对坐标） • 4.4 Scene Representation（场景模型表达）
    4 Reconstructing Cameras and Sparse Geometry 相机标定与稀疏重建 • 4.1Keypoint Detection and Matching（关键点检测和匹配） Step1 检测每一张图片中的SIFT特征 Step2 ANN算用于匹配图片对(I,J)之间的特征，通过比值测试确定相匹配的特征 d 1 d 2  0.6 Step3 去除不合格匹配点： RANSAC算法计算两视图几何中的基本矩阵F得到最大候 选匹配集合，每次迭代利用八点法计算F，F矩阵的8个参数由 Levenberg-Marquardt algorithm进行优化（捆绑调整）。 Step4 连接多张图片之间的匹配点，构成图像连通轨 Step5 由图像连通轨构造图像连通集合
    4 Reconstructing Cameras and Sparse Geometry 相机标定与稀疏重建 4.1Keypoint Detection and Matching（关键点检测和匹配） • Step3 RANSAC算法：排除外点的数据，重新拟合模型，得到最大一致集合 1. 确定求解模型M，所需要的最小数据点的个数n。由n个数据点组成的子集称为模型M的一个样本； 2. 从数据点集D中随机地抽取一个样本J，由该样本计算模型的一个实例()，确定与()之间几何 距离< 阈值 t 的数据点所构成的集合，并记为S(()) ，称为实例()的一致集； 3. 如果在一致集S(())中数据点的个数# S(()) >阈值T, 则用S(())重新估计模型M，并输出结 果；如果# S(()) <阈值T，返回到步骤2； 4. 经过K次随机抽样，选择最大的一致集S(()) ，用S(())重新估计模型M，并输出结果。
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&amp;LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&amp;LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料