主流SFM处理方式的梳理
SFM是什么?
SFM即Structure-from-motion运动结构重建,从大批量图像数据出发,通过相关处理,获取目标图像集3D几何(结构)和摄像机姿态(运动)信息,主要处理流程可分为如下几步:特征提取;特征匹配;姿态估计;束调整。具体处理流程参见下图:
本文主要聚焦于对不同SFM处理方式的梳理总结,对SFM原理部分,可参考该博主的文章: SFM原理简介
总体来说,现有的主流SFM方式可分为如下四类:
全局式SFM
增量式SFM
分层式SFM
混合式SFM
其中后两种处理方式,是近些年来随着三维重建数据量的不断攀升,而逐渐兴起的针对大规模数据处理而诞生的新的处理方式。
全局式SFM
大多数的全局SFM处理可分为如下两步进行。首先,针对场景中的N个视图计算各视图的全局旋转,即旋转平均;然后在该基础上计算各视图的平移,以及结构,即平移平均。而将这两个步骤分开的好处是,即使对于小基线,也可以相当精确地估计相对双视图旋转,而相对平移则不是这样。这些方法考虑了整个极线图,其节点表示视图,并且其中边链接具有足够一致匹配点的视图。图的所有循环都产生多视图约束,也就是说&
令狐志超: 您好,请问分组重建是到稀疏重建为止吗?可以使用分组重建命令进行稠密重建吗?