3

我有显示这些对象的对象和图像的点云（每个点都有一种颜色）。我想在 2D/3D 中找到兴趣点并匹配它们，这样我就知道在点云中找到了我的图像的哪些部分（至少是那些有兴趣点的部分）。

所以我需要首先找到兴趣点，获取它们的描述符并匹配它们。如果可能的话，这应该适用于 OpenCV 的当前快速和节省内存的算法，如 BRISK 或 ORB（没有专利算法！）。但我不知道如何为 3D 实现它们。这甚至可能吗？我找到了一篇论文（Hough Transform and 3D SURF for robust 三维分类），其中谈到了 SURF 的 3D 扩展，这将是一个开始，但我找不到任何关于该 3D 扩展的信息。即便如此，问题是对于 BRISK 或其他当前算法来说，这样的扩展有多可行。

所以，请给我关于如何进行的建议。

4

1 回答 1

1

它被称为对极几何和立体匹配。

1）您需要两个图像（2D），从中生成 3D 点云。2）从这两个图像中，您可以创建基本矩阵，然后生成极点。如果您在 MATLAB 中执行此操作非常容易，但不确定 OpenCV。3）来自两个独立图像的那些极点将绘制线到 3D 世界。

我建议您阅读有关 2D -> 3D 的极线几何和立体匹配的信息

于 2012-10-23T10:50:23.303 回答