Computer Vision_3D Reconstruction_Point Cloud(计算机视觉&三维重建&点云&点云配准)

xiangyong58

于 2019-11-08 09:00:48 发布

阅读量1.9k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Machine & Deep Learning 文章标签： computer vision SLAM 3D reconstruction

本文链接：https://blog.youkuaiyun.com/xiangyong58/article/details/102953308

Machine & Deep Learning 专栏收录该内容

78 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了计算机视觉中的关键概念，包括BA（Bundle Adjustment）在结构化运动计算中的作用，3D模型的体素化，以及点云配准中的ICP算法。BA是提高SFM和SLAM结果的重要优化步骤，而点云配准通过ICP算法实现不同坐标系下点云数据的精确对齐。同时，文章探讨了深度图、体素、网格和点云的概念及其应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

BA 简述：

在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA
光束法平差完美的表达了BA的来源、原理和计算过程。

所谓bundle，来源于bundle of light，其本意就是指的光束，这些光束指的是三维空间中的点投影到像平面上的光束，而重投影误差（后面会讲这到底是个什么鬼）正是利用这些光束来构建的，因此称为光束法强调光束也正是描述其优化模型是如何建立的。

测量平差：由于测量仪器的精度不完善和人为因素及外界条件的影响，测量误差总是不可避免的。为了提高成果的质量，处理好这些测量中存在的误差问题，观测值的个数往往要多于确定未知量所必须观测的个数，也就是要进行多余观测。有了多余观测，势必在观测结果之间产生矛盾，测量平差的目的就在于消除这些矛盾而求得观测量的最可靠结果并评定测量成果的精度。测量平差采用的原理就是“最小二乘法”。（百度词条解释）