博客
关于我
基于图像的场景三维建模
阅读量:485 次
发布时间:2019-03-06

本文共 752 字,大约阅读时间需要 2 分钟。

三月已过半旬,已是春暖花开的季节,也是我们科研爱好者最繁忙的一段时间。春天的到来,意味着新一届的学子即将离开学校,走向自己人生的第二段道路,也意味着您年伊始,所有的工作、项目、计划等都要开始步入正轨,在此,本平台祝愿各位事事顺心,事事顺利。

那今天就开始我们的正是话题——场景3D重建。

图像全自动三维建模系统

其中,图像三维建模系统框架如下:

核心算法之一:

融合辅助信息的全局式稀疏重建

核心算法之二:

混合式稀疏重建

核心算法之三:

多相机系统稀疏重建

核心算法之四:

邻域图像组最优选择

核心算法之五:

基于深度图融合的稠密重建

在上图中,从左到右分别是:Depth-map computation,Depth-map refinement,Depth-map merging。

核心算法之六:

天地点云融合

核心算法之六:

点云语义分类

说到语义,我在此插入一些话,就是最近谷歌的DeepLab V3+已经开源了,有机会想和大家分享一下相关知识,如有兴趣的您,可以期待下,谢谢!

其实,在这个领域还有很多核心算法模型,但是就会有人问,这类算法具体应用在哪呢?接下来和大家说说其具体应用。


应用一:中国古代建筑三维数字化保护

恒山悬空寺:位于山西浑源县, 始建于公元491年,古代工匠根据道家“不闻鸡鸣犬吠之声”的要求建设了悬空寺,该寺距地面高约50米。

应用二:三维数字化城市

应用三:无人机三维地图构建

应用四: 天地、室内外融合三维重建


本次参考内容来自中国科学院自动化研究所-模式识别国家重点实验室申抒含老师,如果有兴趣的朋友,可以去http://vision.ia.ac.cn进一步学习。本次内容简单,主要简单介绍场景构造的轮廓,如果想进一步探索研究,需要阅读大量文献,进一步深入学习!

转载地址:http://ydxdz.baihongyu.com/

你可能感兴趣的文章
NIS认证管理域中的用户
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>