3D-modeller från billiga digitalbilder - förslag (3 / 5 steg)
Steg 3: 3D rättelse
Specifikt, använder vi 3D rekonstruktion sublibrary för att hjälpa oss att få 3D-information. Detta bibliotek tillåter oss att ta ett par bilder och få 3D punkt i rummet för varje pixel. Helt enkelt algoritmen fungerar enligt följande:
1. hitta regioner i varje bild som matchar varandra. E.g. motivets vänstra öga i varje bild.
2. beräkna rörelsen, i pixelavstånd, att varje region flyttade mellan bilderna.
3. ju mer flyttade en region, ju närmare att det är att kameran. Därför, genom att veta mycket varje pixel flyttade mellan bilderna kan vi komma med ett 3D läge för varje punkt i förhållande till alla andra på bilden.
Det finns några saker att tänka på om denna process. Denna algoritm beror vanligtvis på att veta en massa saker om en värld där bilderna togs för att komma med bra tre dimensionell information. Vår strategi för att skapa dessa 3D modeller är både nytt och svårt eftersom vi försöker göra så utan mycket av denna kunskap om omvärlden. Nämligen, är de största saker vi saknar inre och yttre kameran parametrar . Inneboende kameran parametrar har justera för saker som distorsion i linsen där yttre parametrar justera för saker som den exakta mängden avstånd kameran flyttas mellan. Vårt system gör (troligen dålig) antaganden om båda dessa och således inte kan producera mycket exakt punkt moln just nu. Ett område med ytterligare förbättringar inkluderar definitivt försöka uppskatta dessa parametrar bättre.
Bifogade bilder visar en 2D representation av vår punktmoln där vitare en pixel är närmare kameran det är.