问题标签 [3d-reconstruction]

我已经阅读了几篇关于使用图形切割进行3D 重建的论文，我注意到似乎有两种替代方法可以解决这个问题。

一种方法是体积方法，它描述了体素的 3D 区域，图切割用于推断每个体素的二进制标记（包含或不包含感兴趣的对象）。采用这种方法的论文包括Multi-View Stereo via Volumetric Graph Cuts and Occlusion Robust Photo-Consistency和A Surface Reconstruction Using Global Graph Cut Optimization。

第二种方法是 2D 的，它试图用投影到那里的 3D 点的深度来标记参考图像的每个像素。采用这种方法的论文包括Computing Visual Correspondence with Occlusions via Graph Cuts。

我想了解每种方法的优点/缺点，以及在选择使用哪种方法时最重要的。到目前为止，我了解第一种方法的一些优点是：

1. 这是一个二元问题，因此完全可以使用 Max-Flow 算法解决。
2. 提供简单的遮挡建模方法。

第二种方法的一些优点是：

1. 图的每个节点的较小邻居集。
2. 更容易建模平滑度（但它会提供更好的结果吗？）。

此外，我会对选择一种或另一种表示方式更好的情况以及原因感兴趣。

我正在开发一个实时扫描仪，我可以在其中实时扫描表面。到目前为止，我可以扫描表面的一小块并可以保存它。一个补丁意味着仅对表面（点云或三角形）进行 1 次扫描。

我想要的是，我想实时扫描多个补丁。为此，我必须将前一个补丁与当前补丁合并。但我不知道合并两个补丁的标准方式或算法是什么，也不知道哪一个是最好的合并方式，例如，在三角剖分之前（点云合并），或者在三角剖分之后（网格合并）。合并意味着删除重叠的点或三角形

我的想法：如果有两个点云，源和目标然后使用VTK，从目标点云中找到一个最近的点，然后选择一个点，另一个被丢弃。这是一种合并的方法吗？这只是我的想法？但问题是，源和目标中的点数会有所不同。

如何使用 VTK 合并两个补丁，请指导我？

还建议我实现实时扫描任务的标准和最佳方式是什么。

案例#1：
i）点云采集

ii) 注册

iii) 合并

iv) 三角测量

案例#2：

i) 点云采集

ii) 注册

iii) 三角测量

iv) 合并

案例#3：

i) 点云采集

ii) 三角测量

iii)注册

iv) 合并

请指导我。谢谢。

我想在不使用棋盘校准的情况下从多个图像进行 3D 重建。我正在使用 OpenCV 并研究从 30 张图像中获取模型 3D 的方法，而无需使用棋盘图案校准相机。

这可能吗？我在哪里可以获得外部参数？

我可以在不校准的情况下进行 3D 重建吗？

我有一个非常具体的应用程序，我想在其中尝试从运动中获取结构以获得 3D 表示。目前，我从运动中找到的所有软件/代码示例都是这样的：“从各个角度拍摄的固定物体以创建 3D”。这不是我的情况。

在我的例子中，摄像机在走廊中间移动并向前看。有时，相机可以看向其他方向（左、右、上、下）。相机永远不会后退或回头，它总是向前移动。由于走廊很小，几乎所有东西都可以看到（没有隐藏点）。走廊有时会很长。

我已经尝试过这个软件，但它在我的特定情况下不起作用（但在正常使用时非常棒）。有人可以向我推荐一个可以针对我的特定需求的库/软件/工具/论文吗？或者你是否曾经需要实现类似的东西？欢迎任何帮助！

谢谢！

我目前正在尝试实现 Hartley 和 Sturm（此处）提出的三角测量算法，但遇到了一些困难。我想我理解它背后的想法，但我不确定如何参数化极线铅笔。

给定两个图像，以及它们之间的估计基本矩阵，我怎么能：

1）在两个图像中找到极坐标？

2）变换图像，使每个所需的点都在原点，极点在轴之一？

3) 计算具有特殊形式的新基本矩阵（见论文第 5 页）？

之后，我想我可以找到距离多项式并将其最小化，但这些步骤是阻碍我的步骤。

我正在使用 OpenCV，一些示例代码会很棒:)

在我的应用程序中，我使用 2 个摄像头进行 3D 对象重建。为了校准相机，我使用 2 组图像计算基本矩阵，以找到相机姿势（旋转和平移）。我使用 SVD 来查找 R 和 T。但是当我尝试检查矩阵的准确性时，它根本不起作用：重建点的位置与真实位置不符。

如何检查我是否以正确的方式进行？

这是我使用的 Matlab 代码：

谢谢你。

我正在尝试根据相应图像的运动来计算新的相机位置。图像符合针孔相机模型。

事实上，我没有得到有用的结果，所以我尝试描述我的程序并希望有人可以帮助我。

我用 SIFT 匹配相应图像的特征，用 OpenCV 的 FlannBasedMatcher 匹配它们，并用 OpenCV 的 findFundamentalMat（方法 RANSAC）计算基本矩阵。

然后我通过相机内在矩阵（K）计算本质矩阵：

我用奇异值分解将基本矩阵分解为旋转和平移：

然后我尝试通过三角测量找到正确的解决方案。（这部分来自http://www.morethantechnical.com/2012/01/04/simple-triangulation-with-opencv-from-harley-zisserman-w-code/所以我认为应该可以正常工作）。

然后使用以下公式计算新位置：

其中 new_pos & old_pos 是向量 (3x1)，R 是旋转矩阵 (3x3)，t 是平移向量 (3x1)。

不幸的是，我没有得到有用的结果，所以也许有人知道可能出了什么问题。

以下是一些结果（以防万一有人可以确认其中任何一个肯定是错误的）：

具体来说，理想情况下，我希望图像具有点对应关系以及 F 和左右极点的“黄金标准”计算值。我也可以使用基本矩阵以及内在和外在的相机属性。

我知道我可以从两个投影矩阵构造 F，然后从 3D 实际点生成左右投影点坐标并应用高斯噪声，但我真的很想使用其他人的参考数据，因为我正在尝试测试功效我的代码并编写更多代码来测试第一批（可能是坏的）代码似乎并不聪明。

谢谢你的帮助

问候戴夫

我最近开始为我的 3D 重建项目使用 Kinect Fusion。我在这个领域有两个问题：

1. .STL 文件里面有什么？它是场景中不同对象的顶点吗？

2. 如何在重建文件中分割特定对象（例如我的手）？有没有办法使用 Kinect Fusion 来做到这一点？

先感谢您！

我有一对图像和从未校准的相机拍摄的相应点。我也有相机的校准矩阵。是否可以将 2D 图像坐标乘以校准矩阵的倒数并像校准情况一样进行重建过程？（本质矩阵等）