笔记

这篇博客汇总了深度图补全、实时三维重建与光流估计、动态场景重建以及3D递归重建神经网络的相关资源。介绍了包括TUM VI数据集、Matterport3D和ScanNet在内的三维数据集,并提供了多个开源代码和著名三维重建系统的链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

深度图补全

介绍https://mp.weixin.qq.com/s/oyw0t5PiMuWKtiYaZZJzeA

项目地址http://deepcompletion.cs.princeton.edu/

开源代码地址https://github.com/yindaz/DeepCompletionRelease

实时的同时三维重建和光流估计(WACV)

Real-Time Simultaneous 3D Reconstruction and Optical Flow Estimation

介绍https://mp.weixin.qq.com/s/A2Ki9ERNV-QsWe3ut1Uo4Q

基于点和体积融合的动态场景实时三维重建

A Maximum Likelihood Approach to Extract Polylines from 2-D Laser Range Scans(2018IROS)

介绍https://mp.weixin.qq.com/s/YPejuWnrLrREAvnKFNNxvg

3D Recurrent Reconstruction Neural Network

本文设计了一个3D神经网络架构以深度学习为思想实现了物体的三维重建。

介绍https://mp.weixin.qq.com/s/Dh16l1skpI8XXq0JxbjGNw

开源代码实现https://github.com/chrischoy/3D-R2N2

 

 

数据集

用于评估视觉惯性里程计的TUM VI数据集

The TUM VI Benchmark for Evaluating Visual-Inertial Odometry(IROS 2018

介绍https://mp.weixin.qq.com/s/kwijcRfufIdESF64fzZ3nw

Matterport3D数据集 Matterport3D is a pretty awesome dataset for RGB-D machine learning tasks

介绍https://blog.youkuaiyun.com/cicibabe/article/details/78078513

GitHub地址https://github.com/niessner/Matterport

ScanNet

ScanNet是一个RGB-D视频数据集,包含超过1500次扫描中的250万个视图,带有3D相机姿势,表面重建和实例级语义分段的注释。

GitHub地址https://github.com/ScanNet/ScanNet

 

知乎 相关三维重建https://www.zhihu.com/question/53565660?utm_source=wechat_search&utm_medium=organic

相关网站

我们也提供一些相关的网站,这些网站是一些比较著名的开源系统。

MVE: https://www.gcc.tu-darmstadt.de/home/proj/mve/index.en.jsp

Bundler: http://www.cs.cornell.edu/~snavely/bundler/

VisualSFM: http://ccwu.me/vsfm/

OpenMVG: https://openmvg.readthedocs.io/en/latest/software/SfM/SfM/

ColMap: https://demuc.de/colmap/

相关的开源代码

https://github.com/colmap/colmap

colmap应该是目前state-of-art的增量式SFM方案,可以方便的对一系列二维图片进行三维重建

不用对摄像机进行标定,只需要从不同角度对重建场景或物体进行拍摄得到一系列图像作为输入 使用colmap进行稠密重建

https://github.com/simonfuhrmann/mve

https://github.com/nmoehrle/mvs-texturing

https://github.com/jianxiongxiao/SFMedu

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值