我们提出了一种使用低成本 RGB-D 相机（例如 Microsoft Kinect）的新颖 3D 重建方法。与以前的方法相比，我们的扫描系统可以在存在大量重复纹理和严重深度丢失问题的挑战性情况下很好地工作。为了实现鲁棒配准，我们建议利用视觉和几何特征，并结合 SFM 技术来增强特征匹配和相机姿态估计的鲁棒性。

    此外，引入了一种新颖的基于先验的多候选RANSAC，以有效估计模型参数并显着加快多个对应候选下的相机姿态估计。即使发生严重的深度丢失，我们的方法仍然可以成功地将所有帧注册在一起。还可以稳健地检测和处理环路闭合以消除漂移问题。缺失的几何体可以通过结合多视图立体和网格变形技术来完成。各种具有挑战性的例子证明了所提出方法的有效性。 提出了一种新型视觉坐标测量系统——基于光学探针成像的单相机三维坐标测量系统。

    提出了视觉坐标测量的新思路。推导了能够区分光学探头六个自由度的线性模型，实现物体表面的坐标测量。分析了一些因素对系统分辨率的影响。仿真实验表明该系统模型是可行的。 传统的单相机系统利用相位值来计算高度信息，缺点是可操作性和测量精度不太好。将基于立体视觉的3D重建方法引入到一相机一投影仪系统中。相位值用于完成相机和投影仪的匹配任务。利用双目视觉原理对物体进行重建，使得重建精度明显提高。对一相机一投影仪系统标定进行了研究，提出了基于相位匹配的投影仪标定方法。使用坐标已知的目标。实验结果表明该相位展开方法是可行的。

上一篇：在监控中提取群集算法图像
下一篇：监控干扰器光度函数的检测