三角剖分:为何进行优化?
该研究论文通过最小角度重投影误差的 L1 和 L∞最小化,将三角测量问题作为已知内部校准和姿态的优化问题,得出了确切的闭合形式解,保证了各自成本函数下的全局最优性。这些解在任何类型的中心相机上都可以应用,并且比现有的优化方法需要更少的计算。通过合成和实际数据集的实验结果验证了其理论推导。
Mar, 2019
提出一种用于多视角三角化和不确定性估计的鲁棒高效方法,包括利用两个视角的 RANSAC 和中点方法的离群点剔除方案,比较不同局部优化方法以及用三个因素模拟三角化点的不确定性等。
Aug, 2020
本文介绍了一种高效计算户外场景中高质量 3D 重建的视点和轨迹的新方法,利用搭载在自主导航四旋翼飞行器上的 RGB 摄像机采集图像,并利用分层的体积表示区分未知、自由和占据空间,利用信息增益来处理遮挡,避免障碍并规划无碰撞的飞行路径,以限制四旋翼的总飞行距离,获得了多项令人信服的 3D 重建结果,并证明了此方法的量化提升。
May, 2017
在本文中,我们提出了一种基于旋转 - 平移解耦估计的新型三视图位姿求解器,该方法通过考虑观测的不确定性并使用 Levenberg-Marquardt(LM)算法高效求解旋转估计,以及通过精心设计的稳健线性平移约束,来准确估计旋转和平移,实验结果表明该方法相较于基于三基数张量的经典方法和最先进的双视图算法,在室内外环境中提高了旋转和平移的准确性。
Mar, 2024
本研究介绍了一种名为 LOSTU 的快速、可扩展和统计优化的三角测量方法,与传统的 L2 三角测量方法相比,LOSTU 在三维重建误差方面表现更好,能够成功三角测量更多的点,并且比 Levenberg-Marquardt(或类似的)优化方案更快。
Nov, 2023
本文综述了基于单个、两个或多个以全景光学成像系统拍摄的图像的先驱和最先进的三维场景几何估计方法,包括基于全景数据的单目布局和深度推断、球面域上的立体匹配,以及使用多视角相机设置的光场、多视图立体和运动结构等方面的方法,并讨论了各种目的的常用数据集和性能指标。最后,指出了当前和未来的研究趋势。
Jan, 2024
通过三个已知参考点的观察,我们提出了代数解法来解决经典的 P3P 问题,从而求得相机的位置和姿态。相比先前的方法,我们首先通过使用对应的几何约束来直接确定相机的姿态,并采用代数方法高效地解决三角函数方程组,从而确定未知的旋转矩阵及相机的位置。通过广泛的 Monte-Carlo 模拟验证了该方法相对于最近的替代方法的优势,避免了计算不必要的(可能存在数值不稳定) 中间结果,从而在更低的计算成本下实现了更高的数值精度和鲁棒性。
Jan, 2017
本文提出一种基于半定位规划的算法,用于从噪声图像中提取解决三维点的三角化问题的候选解,同时描述了一个足够条件和多项式时间测试来证明该解决方案的最优性并在实践中取得了显著的表现,解释了从几何角度来看这个现象。
Jul, 2012
提出了一种基于最小问题求解的相对相机位姿估计方法,其中采用了三点和一条线以及三点和两条线(穿过两个点)的三视图对应信息;该方法采用了一种新的高效的同伦继续求解(HC)求解器框架 MINUS,能够解决之前由 Groebner 基础方法不能有效解决的问题,并通过模拟实验和真实实验充分验证了该方法的有效性。
Mar, 2019