泡泡论坛 | 问答分享第一期

2018 年 3 月 15 日 泡泡机器人SLAM 泡泡推广内容组

策划设计 | 张一    图文设计 | 王意茹  

泡泡机器人推广内容组出品

双目视觉三维重建

各位好,最近在学习双目立体视觉的相关知识,有没有大神能讲解一下利用双目相机的原始图、生成的视差图和相机内参生成点云的方法和 demo code,还有我在利用BM算法生成的深度图用照片查看器无法打开,提示无效的位图文件或不支持文件的格式,代码如下,不知道什么原因?        

(代码请访问 http://paopaorobot.org/forums/topic/双目视觉三维重建/)


来自社友的回答

@ 小C

关于双目稠密立体匹配的方法可以参考我写的关于NCC的博客:

http://www.cnblogs.com/yepeichu/p/7354083.html,方法大体上是利用像素灰度值的差异来构建匹配关系,这首先要求双目要标定好并校正,才能使得极线处于同一水平线上。

利用NCC进行匹配后计算得到视差图,大体上就是右坐标减去左坐标,y轴不变。

利用视差图的视差d以及相机内参数中的焦距f和基线b,得到对应像素的深度z=fb/d。

由相机内参矩阵K与像素坐标计算得到相机坐标系中的X,Y,结合上述计算的Z即可得到三维空间点。

关于上述代码,BM算法我没用过。但是讲到图片无法显示的问题,首先得确保你的图片在保存之前是否是有效的,可以在保存之前进行显示验证。

另外建议查看下图像是否是浮点型,如果是浮点型也可能会发生阶段,比如都小于1的double型就会变成全黑的。

最后就是要看你的保存方式是否有问题了。

希望对你有所帮助,小C留。


关于msckf2.0的FEJ 

大家好,请教一个问题。讲的有点乱,还请见谅。

问题1:关于msckf 2.0的FEJ,对于一个feature f1从a时刻开始观测到,到b时刻最后一次观测到,在b+1时刻对这个feature进行measurement update的时候,是不是对于f1来说,求a+1时刻到b时刻这中间每个image data frame的pose jacobian的时候,使用只用imu测量进行propagation得到的pose,即所谓的FEJ,但是对于a时刻,使用的pose是最优的,即之前可能有别的feature对a时刻的pose进行了update了,只需要保证在feature f1被观测到的这个区间进使用FEJ这样吗?

问题2:那么是不是相当于对于每个新来的feature,我需要先记录当前的最优pose估计值,然后在这个feature观测得到的区间内使用FEJ? 这样的话在每次imu propagation的时候,假如我有100个feature,然后他们又刚好不是在同一帧image第一次观测到的,那么就需要保存100个对应每个feature的最优初始pose,每个feature对应一条轨线,那么每次imu 来数据了我得对100轨线进行propagation是吗?

谢谢


来自社友的回答

由于回答较长,这里只列出链接咯,请感兴趣的小伙伴们自行前往。

http://paopaorobot.org/forums/topic/关于msckf2-0的fej/


吴恩达机器学习资料

感谢@刹那的回眸 给大家分享的吴恩达机器学习笔记资料

请感兴趣的小伙伴们自行前往获取资源哦。

http://paopaorobot.org/forums/topic/吴恩达机器学习资料/


SLAM-TUM数据集下载链接

感谢@Brad Lucas 给大家分享的SLAM-TUM数据集下载资源

请感兴趣的小伙伴们自行前往获取资源哦。

http://paopaorobot.org/forums/topic/【泡泡机器人】slam-tum数据集下载链接/

登录查看更多
2

相关内容

在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易, 其方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。 物体三维重建是计算机辅助几何设计(CAGD)、计算机图形学(CG)、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型,另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟,现有若干软件支持,比如:3DMAX、Maya、AutoCAD、UG等等,它们一般使用具有数学表达式的曲线曲面表示几何形状。后者一般称为三维重建过程,三维重建是指利用二维投影恢复物体三维信息(形状等)的数学过程和计算机技术,包括数据获取、预处理、点云拼接和特征分析等步骤。
【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
149+阅读 · 2020年6月28日
少标签数据学习,54页ppt
专知会员服务
197+阅读 · 2020年5月22日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
八篇 ICCV 2019 【图神经网络(GNN)+CV】相关论文
专知会员服务
29+阅读 · 2020年1月10日
Keras作者François Chollet推荐的开源图像搜索引擎项目Sis
专知会员服务
29+阅读 · 2019年10月17日
注意力机制介绍,Attention Mechanism
专知会员服务
168+阅读 · 2019年10月13日
【泡泡机器人公开课】第一O五课:MSCKF介绍-邱笑晨
泡泡机器人SLAM
38+阅读 · 2019年6月29日
【泡泡读者来稿】VINS 论文推导及代码解析(四)
泡泡机器人SLAM
33+阅读 · 2019年3月17日
【泡泡读者来稿】VINS 论文推导及代码解析(三)
泡泡机器人SLAM
30+阅读 · 2019年3月16日
【泡泡读者来稿】VINS 论文推导及代码解析(二)
泡泡机器人SLAM
32+阅读 · 2019年3月5日
【泡泡机器人】泡泡机器人全新论坛上线啦!
泡泡机器人SLAM
7+阅读 · 2018年11月21日
【泡泡读者来稿】一步步深入了解S-MSCKF(二)
泡泡机器人SLAM
10+阅读 · 2018年10月25日
【泡泡一分钟】自然中的表面法向量(ICCV-2017)
泡泡机器人SLAM
10+阅读 · 2018年10月8日
Learning to See Through Obstructions
Arxiv
7+阅读 · 2020年4月2日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Arxiv
4+阅读 · 2016年12月29日
VIP会员
相关VIP内容
【ICML2020】持续图神经网络,Continuous Graph Neural Networks
专知会员服务
149+阅读 · 2020年6月28日
少标签数据学习,54页ppt
专知会员服务
197+阅读 · 2020年5月22日
近期必读的6篇顶会WWW2020【推荐系统】相关论文-Part3
专知会员服务
57+阅读 · 2020年4月14日
【图神经网络(GNN)结构化数据分析】
专知会员服务
115+阅读 · 2020年3月22日
八篇 ICCV 2019 【图神经网络(GNN)+CV】相关论文
专知会员服务
29+阅读 · 2020年1月10日
Keras作者François Chollet推荐的开源图像搜索引擎项目Sis
专知会员服务
29+阅读 · 2019年10月17日
注意力机制介绍,Attention Mechanism
专知会员服务
168+阅读 · 2019年10月13日
相关资讯
【泡泡机器人公开课】第一O五课:MSCKF介绍-邱笑晨
泡泡机器人SLAM
38+阅读 · 2019年6月29日
【泡泡读者来稿】VINS 论文推导及代码解析(四)
泡泡机器人SLAM
33+阅读 · 2019年3月17日
【泡泡读者来稿】VINS 论文推导及代码解析(三)
泡泡机器人SLAM
30+阅读 · 2019年3月16日
【泡泡读者来稿】VINS 论文推导及代码解析(二)
泡泡机器人SLAM
32+阅读 · 2019年3月5日
【泡泡机器人】泡泡机器人全新论坛上线啦!
泡泡机器人SLAM
7+阅读 · 2018年11月21日
【泡泡读者来稿】一步步深入了解S-MSCKF(二)
泡泡机器人SLAM
10+阅读 · 2018年10月25日
【泡泡一分钟】自然中的表面法向量(ICCV-2017)
泡泡机器人SLAM
10+阅读 · 2018年10月8日
Top
微信扫码咨询专知VIP会员