- 博客(15)
- 收藏
- 关注
RSS订阅原创 Sat- nerf深度损失过程
初始数据和(来自数据加载器): 将射线分块并调用: 处理射线，生成采样点，调用处理采样点调用SatNeRF模型预测体密度将体密度转换为权重计算加权平均深度: 神经网络计算每个点的体密度结果整合: 深度值被组织为键返回这就是tmp中预测深度的完整产生过程，从最初的射线输入到最终的深度预测值。
2025-02-28 16:40:02
1075
原创 光学特性向DSM模型的纹理映射（专业版）
本项目实现了一个从单源光学遥感影像到数字表面模型(DSM)的高精度纹理映射系统。该系统能够将二维RGB光学特性精确地投影到三维空间几何表面，基于有理多项式系数(RPC)模型建立地理坐标与影像像素之间的精确转换关系，适用于复杂地形区域的三维可视化与分析。
2025-02-26 15:01:45
641
原创 关于把图像中pixel投影到3d点云，附着在dsm模型上的任务
读取DSM和光学图像。使用RPC参数将图像像素映射到地理坐标系统。从DSM中获取对应位置的高度信息。将这些信息作为三维坐标生成点云。使用光学图像的像素颜色值作为纹理附加到点云上。使用Open3D进行可视化。
2025-02-11 08:58:00
410
原创 Sat-NeRF VS NeRF
输出通道NeRF：4 个（RGB + σ）。Sat-NeRF：9 个（RGB + σ + 太阳能可见性 + 天空颜色 + 不确定性）。输入参数NeRF：仅位置和视角方向。Sat-NeRF：增加了太阳方向和时间信息。网络架构NeRF：单一颜色预测子网络。Sat-NeRF：增加了太阳能可见性、天空颜色和不确定性预测子网络。损失函数NeRF：仅颜色的均方误差。Sat-NeRF：综合考虑颜色误差、不确定性和太阳校正误差。推理过程NeRF：计算 RGB 和深度。Sat-NeRF。
2025-01-02 08:21:22
978
原创 nerf及sat-nerf源码
get_opts()这里创建了一个命令行参数解析器parser，用于获取从命令行传入的参数。核心结构和功能两者的核心结构非常相似，都是用来解析命令行输入的配置参数，并为后续的训练和渲染过程提供必要的参数。它们都使用了argparse或进行参数解析。NeRF (主要集中于基础的训练过程、数据处理、网络结构等常规参数。sat-nerf (opt.py在此基础上做了一些扩展和修改，特别是加入了与卫星图像相关的特定参数和功能。run_ba函数。
2025-01-02 08:05:32
710
原创 NeRF与Sat-NeRF方法的详细对比
在计算机视觉领域，场景表示和视图合成是重要的研究方向。NeRF（Neural Radiance Fields，神经辐射场）和Sat-NeRF（Satellite Neural Radiance Fields，卫星神经辐射场）两种方法分别提出了不同的技术路线来应对相关挑战。NeRF旨在通过优化连续的5D场景函数实现复杂场景的高质量视图合成，而Sat-NeRF则专注于多视图卫星摄影测量，特别针对卫星图像中的阴影和瞬态对象等问题进行处理。
2024-12-31 06:57:53
605
原创 第一章笔记
模拟电路设计随工艺和性能要求发展产生新问题，本书从直观和严密角度阐述现代模拟电路设计，培养读者创新能力，引导了解电路发展和新技术开发思维过程。集成电路技术发展，模拟设计用于满足分立电路无法实现的复杂性、速度和精度要求，现代模拟电路行为和性能无法通过分立元件搭建样机来预测。
2024-12-15 09:52:07
290
原创 3dgs代码+原理
相信大家都听说过高斯分布。高斯分布，也叫正态分布，是一种非常常见的概率分布。如果你熟悉一维的高斯分布，可以直接跳到本章的第1节。如果你不了解高斯分布也没有关系，可以看一下下面这张图（图片来自搜狗百科）：这就是一张高斯分布的图片。图中，表示均值，表示标准差。简单来说，假设我有一个变量，它可能是任何一个实数。现在，我们假设它遵循上图这个高斯分布，那么上图中函数值越高的地方，就越有可能取到这个数值。我们可以看到，函数值最高的地方是，也就是说的值最有可能是。离越远的地方，
2024-11-05 10:56:46
6438
2
原创 使用Colmap及MeshLab进行传统三维重建
基于图像的三维重建传统上首先使用**运动结构(Structure-from-Motion)恢复场景的稀疏表示和输入图像的姿态。这个输出然后作为多视图立体几何（）**的输入，以恢复场景的密集表示。SFM是通过一系列有重叠的且不同视角的图片重建出物体的三维结构（稀疏点云），并且输出相机的内外参数，内参指的是将真实空间的三维点通过内参矩阵转换为相机图片上的二维点，外参包含相机在切换不同视角时的平移和旋转信息。1 特征检测与提取2 特征匹配和几何验证3 结构与运动重建多视图立体几何(MVS)
2024-10-15 22:24:17
1969
原创 1.1
JAVA1.1 HelloWorld[方法一 ] 使用记事本 随便新建一个文件夹，存放代码 新建一个.java文件 编写代码public class Hello{ public static void main(String[] args){ System.out.println("HelloWorld"); } } 编译javac java文件，会生成一个class文件。 运行class文件,java class文件可能遇到的问题每个单词
2021-07-27 20:08:30
87
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人