三维重建(十三)——多视角重建

文章目录

  • 一、多视角重建
    • 1.1 SFM(Structure from Motion)
    • 1.2 NRSFM(Non-Rigid Structure from Motion)
    • 1.3 The Relightables: Volumetric Performance Capture of Humans withRealistic Relighting
  • 二、基于可微渲染的多视角重建
  • 三、数据采集策略
    • 3.1 相机配置与布置
    • 3.2 视角覆盖与重叠
    • 3.3 光照与环境控制
    • 3.4 Human Performance Modeling and Rendering via Neural AnimatedMesh
  • 四、相机标定与同步
    • 4.1 相机标定
    • 4.2 时间同步
    • 4.3 Sync-NeRF: Generalizing Dynamic NeRFs to Unsynchronized Videos
    • 4.4 D-NeRF: Neural Radiance Fields for Dynamic Scenes
  • 五、如何用单视角达到多视角的效果
    • 5.1 MVImgNet: A Large-scale Dataset of Multi-view Images
  • 六、其他
    • poisson reconstruction
    • igr
    • appearence code
    • dynamic nerf
    • zero-1-2-3
    • 标定阶段多弄点图,重建阶段考虑计算量可以少点图?

一、多视角重建

对于动态物体的采集多视角挺难的;自己采集还是困难的,要么就是用开源数据集,要么就是合成数据集,要么用一些带纹理的网格做渲染出多视角,也是可以做这个多视角重建的。

做动态的序列是比较简单的。会比单视角的非刚性重建会更简单

1.1 SFM(Structure from Motion)

图像获取:从多个视角获取场景或物体的图像。
特征提取与匹配:在图像中提取关键特征(也可以用CNN,不一定是传统算子),并在不同视角的图像之间进行匹配。——一般需要纹理丰富的物体
相机姿态估计:确定各个视角的相机位置和方向
能保证相对位置。现在相机姿态确定下来之后,需要看特征点,也就是重叠部分(overlap)要多,这样重建效果会更好。比如colmap就是拍摄要求就是要小于30度,这也是为了更多重叠部分;并且特征点要多。则重建效果会更好。

稀疏点云生成:利用匹配的特征点进行三维坐标计算,

你可能感兴趣的:(三维重建,三维重建,3d)