openMVG
Posted on
3D reconstruction roadmap
Posted on
\[\left\{\begin{aligned}
&三维重建 \ \left\{\begin{aligned}
&SfM(Stucture \ from \ Motion) \left\{\begin{aligned}
&特征提取 \\
&关键点匹配 + 过滤 \\
&SfM \left\{\begin{aligned}
&增量式(Incremental):openMVS、COLMAP\\
&全局式(Global) \\
&混合式(Hybrid) \\
&层次式(hierarchica) \\
\end{aligned}
\right. \\
&BA(Bundle \ Adjustment)优化 \\
&MVS(Multiple \ View \ Stereo) \left\{\begin{aligned}
&基于体素 \\
&基于点云扩散 \\
&基于深度图 \\
\end{aligned} \right. \\
\end{aligned} \right. \\
&立体视觉法 \left\{\begin{aligned}
&双目\\
&多目 \\
\end{aligned}
\right. \\
&RGB-D \\
\end{aligned} \right. \\
&SLAM \ \left\{\begin{aligned}
&前端-视觉里程计 \\
&后端-非线性优化 \\
&回环检测 \\
&建图
\end{aligned} \right. \\
&Pose \ Estimation \ \left\{\begin{aligned}
&坐标系(右手系) \left\{\begin{aligned}
&目标世界坐标系:可辨识特征点的几何中心(通常选取3或4个)??? \\
&本体世界坐标系:原点为质心(坐标轴根据几何形状确定 / X轴为与地球中心连线的反向,Y轴为运动方向) \\
&相机坐标系 \\
&像素坐标系 \\
\end{aligned} \right. \\
&初始化 \left\{\begin{aligned}
&由已有3D模型生成层次视图库(利用3D模型+虚拟摄像机生成 / 实拍) \\
&图像分割,提取二阶矩->估算质心、方向、面积 \\
&粒子滤波+贝叶斯框架->完成输入图像与3D模型生成视图的匹配,得到初始位姿 \\
\end{aligned} \right. \\
&位姿解算+跟踪 \left\{\begin{aligned}
&匹配点搜索(多假设) \\
&减缓误匹配(全局优化 / GNN) \\
&多特征融合(特征点 + 边缘) \\
\end{aligned} \right. \\
\end{aligned} \right. \\
\end{aligned}
\right.\]
VS2019安装教程 + opencv配置
Posted on
非合作目标位姿跟踪
Posted on
非合作目标位姿跟踪
CMake教程
Posted on
CMake教程
项目部署
- src:源码
- ext:第三方依赖库文件与头文件
- CMakeLists.txt:cmake构建配置文件
- build:编译产生的中间文件 + Makefile文件
论文阅读-全局优化2015
Posted on
Global optimal searching for textureless 3D object tracking(2015)
数据集记录
Posted on
基于模型的刚体3D跟踪综述
Posted on
A review of edge-based 3D tracking of rigid objects(2019)
单目相机 + 有CAD模型 + 刚体 + 基于边缘的三维跟踪
参考文献Monocular Model-Based 3D Tracking of Rigid Objects: A Survey
1. overview
- 适用于弱纹理物体
- 可分为两类:不显式提取边缘的方法 + 显式提取边缘的方法
基于视觉的三维目标跟踪
Posted on
基于视觉的三维跟踪
连续估计物体相对于相机的空间关系(旋转 + 平移)
1. 算法
1.1 基于标志物的三维跟踪
1.1.1 实现过程
1)预先在现实场景中设置好标志物
2)对图像中标志物进行识别,得到顶点信息
3)计算真实标志物和图像标志物中点的对应关系,求解位姿
1.1.2 优点
1)对硬件处理器要求不高
2)鲁棒性高,计算复杂度低,较好的实时性和准确性
1.1.3 缺点
1)需额外标志物,且要求标志物在整个跟踪过程中可见