||
Stereo matching是一个process,提取两个或者更多的images,通过matching图像上的像素点来估计3D模型,并转换2D位置到3D深度信息。在之前的章节,我们描述了recover camera position和构建sparse 3d models。这一章,我们构建完全的3D模型,比如一个sparse或者dense depth,并且assign相对深度到每个像素点。同时,我们看看multi-view stereo算法,而这产生complete 3d volumetric或者surface-based models。
为什么people总是对stereo matching很感兴趣?从最早的inquires, 我们perceive 基于左右眼的差异的的深度信息。在简单的imaging configuration下,horizontal motion或者叫disparity是反比于distance from the observer。当基本的physics和geometry相对于visual disparity已经被很好的理解,通过建立dense和accurate的图像内的correspondence,来自自动量测disparity, 是一个极具挑战的工作。在计算机视觉中,stereo matching已经是一个most widely 学习的基础的问题,并且继续成为一个非常active的研究领域。当photogrammetric matching集中在aerial imagery,计算机视觉application包括modeling这个human visual system,robotic navigation和manipulation,以及view interpolation和image-based rendering, 3D模型构建等等。在这一张中,我们描述了stereo matching背后的fundamental principal,其根据是由szeliski提供的general taxonomy。我们首先开始的是review立体视觉匹配的geometry部分,比如如何计算一个给定的pixel可能在另外一个图像上出现的location,又比如epipolar line。我们描述如何pre-warp图像,让对应的epipolar line变得coincident,或者叫rectification。
接下来,我们briefly综述一个对interest point进行sparse stereo matching和edge feature。然后,我们转向这一章的main topic,就是估计a dense set 的pixel-wise correspondence,其形式就是disparity map。这包括selecting一个pixel matching criterion,然后使用或者local area-based aggregation或者global optimization,来帮助disambiguate potential matches。在最后一个部分,我们讨论了multi-view stereo methods,而这目标是reconstruct一个complete 3d model,而不是简单的disparity image。
Epipolar Geometry
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-2 03:21
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社