通过前面的相机标定，我们能够获得一些参数模型。但是这些相机的参数矩阵到底是什么意思？怎样才能够判断是否正确？误差都会来自哪里？这里就必须要通过具体实验来加深认识。采集带相机参数的图片具有一定难度，幸好我之前有着不错的积累—这里一共有两款数据集，一款来自《OpenCV计算机视觉编程 ...

来自多个图像的3D重建是从一组图像创建三维模型。这是从3D场景获取2D图像的相反过程。 图像的本质是从3D场景到2D平面的投影，在此过程中深度丢失。对应于特定图像点的3D点被约束在视线上。从单个图像中，不可能确定该线上的哪个点对应于图像点。如果有两个图像可用，则可以找到3D点的位置作为两个投影 ...

相机模型和变形 这一节里的函数都使用摄像机模型，这就是说，一幅视图是通过透视变换将三维空间中的点投影到图像平面。投影公式如下： 或者 　　这里(X, Y, Z)是一个点的世界坐标，(u, v)是点投影在图像平面的坐标，以像素为单位。A被称作摄像机矩阵，或者内参数矩阵。(cx, cy ...

既然已经能够找到了标定点，那么下边的工作就是使用标定结果了。【这本书在这里的内容组织让人莫名其妙】但是通过阅读代码能够很方便地串起来。 /*------------ ...

的。 这里我要做的是第11章，关于3维重建的相关内容。【读书，做例子，多么轻松的学生岁月……】 ...

结构光三维重建之单目标定的一种方法——建立“相位-像点-真实三维坐标”之间的关系 1.了解标定的概念 在刚接触结构光三维扫描的时候，我虽然了解部分张正友标定的内容，但是对于标定还是感觉很模糊，经过最近几天的学习，我发现想掌握标定，首先应该把标定这两个字代表的意义弄懂。也就 ...

最近在看三维重建方面的论文，进行一下知识总结。 三维重建技术 三维重建技术就是要在计算机中真实地重建出该物体表面的三维虚拟模型，构建一个物体完整的三维模型，大致可以分为三步： 利用摄像机等图像采集设备对物体的点云数据从各个角度釆集，单个摄像机只能对物体的一个角度进行拍摄，要获得物体 ...

研究三维重建相关的课题，记录一些内容在这儿 通用的体验流程： visualSFM + pmvs + meshlab visualSFM通过找到一些列的图像的特征，重构出3D模型的稀疏点云 输入：目标各个角度拍摄的图片 输出：一个.out 文件，记录相机位置和重建的稀疏点云 ...