【小白深度教程 1.32】手把手教你从多视角图像进行 3D 重建(SfM 算法)

【小白深度教程 1.32】手把手教你从多视角图像进行 3D 重建(SfM 算法)

  • 1. SfM 三维重建算法简介
  • 2. SfM 方法和原理
  • 3. 安装依赖库
  • 4. 构建数据集
  • 5. 可视化结果
  • 6. 完整代码

【小白深度教程 1.32】手把手教你从多视角图像进行 3D 重建(SfM 算法)_第1张图片

1. SfM 三维重建算法简介

【小白深度教程 1.32】手把手教你从多视角图像进行 3D 重建(SfM 算法)_第2张图片

从多张照片中开发三维模型被称为多视图3D重建。

数码相机的进步以及图像分辨率和清晰度的提高,使得利用仅有的相机而非昂贵的特殊传感器来重建3D图像成为可能。

重建的目标是从一组照片中推导场景的几何结构,假设摄像机位置和内部参数是已知的或可以从图像集中猜测。

这是通过使用多个照片,在其中应用运动结构法(Structure from Motion,SfM)来解决像素级对应问题,部分地恢复3D信息来实现的。

该技术产生了先进的最新成果,但其主要关注的是技术的稳健性、精确性、完整性和可扩展性,这些问题通过增量式运动结构方法得到处理。

基于LIDAR的场景3D重建成本高,并且容易受到GPS和IMU的干扰。运动结构法仅使用低成本的相机图像来重建3D场景,同时获取单目相机相对于所提供场景的相机姿态。

2. SfM 方法和原理

你可能感兴趣的:(3d,算法,计算机视觉,人工智能,深度学习,python,三维重建)