基于图像的三维模型重建——基础介绍
点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
本文由知乎作者梦寐mayshine授权转载，不得擅自二次转载。原文链接：https://zhuanlan.zhihu.com/p/126308951
一、背景介绍
三维模型重建的流程：
->三维点云获取（三维点云=三维空间中散点，没有结构，属性：颜色+法向量+空间坐标，能够反映场景大致结构，散乱点没有结构数据冗余，存储量要求大）
->几何结构恢复（图形学方法，拓扑结构，点云->网格的表面重建，减少数据存储量，提升渲染逼真度）
->场景绘制（渲染过程，知道相机参数，自动添纹理，网格贴上纹理，Autodesk，blinder）
二、相关介绍
1、三维点云的获取方式
无序图像：事先不知道地点和拍摄时间
Li-dar：激光雷达，准确适用不同规模的场景，车载/机载/无人机雷达，无人驾驶采用激光雷达，效率高，成本高，高效便捷
ki-nect：微软开发，小巧灵便，实时网格建模，kfusion文章，通过time flight获取周围环境的点云数据，同时得到彩色图+深度图=一帧点云，速度快，精度不高，几十cm-1，2米之间，室内场景合适，算法框架，实时建模，kucation，得到环境的mash(彩色)，slam+建模框架，目标跟踪估计相机姿态，符号距离场，涵盖三维重建和slam方向的基本知识
单目多视角：运动恢复结构得到相机姿态->多视角稠密重建->半稠密点云，需要算法和计算资源，得到工业界利用较多，多视角视频/无序图像对场景建模，匹配要暴力两两匹配，但slam中有序图像不需暴力匹配，前后帧，窗口检测匹配，在回环检测匹配量较大，很难做到实时
双目立体视觉：标定两个摄像机通过视差，得到三维深度信息图，得到点云。存在很多空洞
2、基于图像的三维模型重建
3、重建案例
无人机航拍图像，获取侧面完整信息，多视角摄像头
4、商业软件
Acute3D：https://www.bentley.com/en/products/brands/contextcapture 法国创业公司2011开始，15年被bentley收购
Altizure：https://www.altizure.cn/ 香港中文大学的在线重建平台，与大疆合作
Agisoft PhotoScan：http://www.agisoft.cn/ 建模、模型特征提取
参考书
computer vision for visual effects: 14年，计算机视觉基础，语言易懂，与工业界相关，章节内容在工业界应用
Computer vision algorithms and applications: 偏向基础，公式
multiple view geometry：工具书，代码参考公式实现
an invitation to 3-D vision
Computer Vision: a modern approach
视觉Slam十四讲：公式、代码，参考书，与SLAM在稠密点云前有很多重叠
基本要求
C++编程：类，继承，重载，模板，设计模式
Ubuntu环境
图像处理的基本概念和操作，滤波，插值，缩放
矩阵和向量运算以及基本的优化知识，分解，共轭，梯度下降
上述内容，如有侵犯版权，请联系作者，会自行删文。
推荐阅读：
那些精贵的3D视觉系统学习资源总结（附书籍、网址与****）
机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划
重磅！3DCVer-知识星球和学术交流群已成立
3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导，830+的星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
欢迎加入我们公众号读者群一起和同行交流，目前有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加群或投稿