午夜操逼视频网,中文资源在线aⅴ,偷拍精品青,特级西西人体4444XXXX,人成在线免费视频,五月丁香网站,国产精品久久综合色,精品人妻一区二区三区日产乱码

一、前言

視覺三位重建一直是計算機視覺和攝影測量領(lǐng)域討論的話題，且在近幾年更是大家關(guān)注的熱點、如數(shù)字孿生、AR、自動駕駛的高精度地圖等。視覺三維重建相比激光三維重建，雖然精度上處于劣勢，但是視覺具備更豐富的信息且成本低廉，故是數(shù)字化場景的首選方案，到目前為止，視覺三維重建框架層出不窮，其開源代表有colmap(2016)、openmvg(2012)、openmvs、alicevison、opensfm 等，商業(yè)代表有ContextCapture、photoscan、pix4D、realicature 等。商業(yè)代表的主要應(yīng)用場景主要是處理無人機數(shù)據(jù)，對于車載數(shù)據(jù)可能不具備優(yōu)勢，而開源的算法框架距離商業(yè)化、可用狀態(tài)還有很長的路需要走，需要投入精力進行大量的優(yōu)化。

二、開源算法框架為何選擇colmap

COLMAP是一款功能強大structure from motion 和MVS 工具，是Sch?nberger在ETH博士期間的成果，到目前位置，一直保持開源的框架的前幾位，也是后續(xù)研究者開展相關(guān)工作的首選框架，其整個pipeline 流程如下：

三維重建框架與開源的slam一樣，如何選擇自己的學習工具是很重要的一件事，選擇正確會避免走很多彎路。colmap在代碼結(jié)構(gòu)上，進行模塊化，代碼干凈具備很強的可讀性，是一款非常值得閱讀的開源框架，這無疑是初學者的福音；同時在重建效果上，相比其他開源算法框架和部分商業(yè)框架，也具備很強的優(yōu)勢，具體效果對比如下：

場景1

場景2

場景3

三、開啟三維之路

如何使用一個開源算法框架，我個人總結(jié)如下：

1.第一步肯定是跑公開數(shù)據(jù)集，車載的，無人機的，記錄不同拍攝方式產(chǎn)生的效果的好壞，首先有概念上的認知

2.跑自己的數(shù)據(jù)，如手機，標準相機拍攝的圖像，記錄存在的問題和遇到的block

3.開始閱讀代碼，了解每個模塊的功能。

4.嘗試小小修改代碼，比如如何輸出sift提取的x，y，orientation,scale ？如何輸出我每次ba都是用了哪些圖像？

5.嘗試改進代碼，當然項目驅(qū)動最好，比如如何用其他handcrafted features 或 learned features 替換sift，如何恢復尺度？如何提升系統(tǒng)的魯棒性？

關(guān)于數(shù)據(jù)集，個人總結(jié)以下：

常用數(shù)據(jù)集

1、ISPRS

https://www.isprs.org/education/benchmarks.aspx

2、sensefly

https://www.sensefly.com/education/datasets/

3、Kagaru

https://michaelwarren.info/docs/datasets/kagaru-airborne-stereo/

4、WHU

http://gpcv.whu.edu.cn/data/WHU_MVS_Stereo_dataset.html

5、KITTI

http://www.cvlibs.net/datasets/kitti/

6、ETH

https://www.eth3d.net/

7、realitycapture

https://www.capturingreality.com/SampleDatasets

8、視覺定位數(shù)據(jù)集

https://www.visuallocalization.net/datasets/

9、ODM

https://www.opendronemap.org/odm/datasets/

10、mve 官網(wǎng)的數(shù)據(jù)

https://www.gcc.tu-darmstadt.de/home/proj/ambient_point_clouds/apc.en.jsp

11、奧地利維也納理工大學的Harvest4D項目(有GT）

https://harvest4d.org/?page_id=1367

12、自動化所偏古建筑

http://vision.ia.ac.cn/zh/data/index.html

13、blendedmvs

https://github.com/YoYo000/BlendedMVS

14、Drone Mapping

https://dronemapper.com/sample_data/

16、https://www.cs.cornell.edu/projects/bigsfm/#code bigsfm

四、視覺三維的應(yīng)用場景

關(guān)于輔助學習課程：

可以關(guān)注本人“視覺三維重建的關(guān)鍵技術(shù)與實現(xiàn)-colmap代碼解析”課程視頻，具體課程介紹可以掃以下二維碼：

視覺三位重建：計算機視覺的核心任務(wù)