【三维点云】CC教程1(Context Capture)

这篇具有很好参考价值的文章主要介绍了【三维点云】CC教程1(Context Capture)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

talk is cheap ,show me the code


图像获取

重叠 overl

主题的每个部分都应该从至少三个不同的视角拍摄——但不是完全不同的视角。连续照片之间的重叠部分通常应该超过三分之二。同一部位物体的不同视点间距应小于15度。
ContextCapture对于非结构化的获取非常健壮

相机模式

ContextCapture支持广泛的相机:手机,紧凑型数码,单反,鱼眼,摄影测量,和多相机系统。它可以处理静止的照片或从数码摄像机中提取视频帧。它不支持线性推杆式摄像机。它不支持快速运动下的滚动快门相机。
虽然ContextCapture不需要最低的相机分辨率,相比一个低分辨率的相机,一个更高的分辨率的相机允许在一个给定的精度与较少的照片,从而更快地获得一个主题。
ContextCapture需要知道相机传感器的宽度。如果您的相机型号没有列在我们的数据库中,您将被要求输入这些信息。

Projected PixelSize投影像素大小

生成的3D模型的分辨率和精度直接关系到在物体上的投影像素大小。为了达到预期的投影像素大小,你必须采用合适的焦距和距离组合,如下公式定义:
投影像素尺寸×焦距×照片最大尺寸=传感器宽度×到被摄体的距离
[m / pixel] [mm] [pixel] [mm] [m]

焦距Focal Length

Using a fixed focal length throughout the acquisitionprocess is recommended. 采集过程中建议使用定焦。

输入数据文件格式

【三维点云】CC教程1(Context Capture)

定位数据

ContextCapture的一个突破性功能是它能够处理没有定位数据的照片。在这种情况下,ContextCapture生成了一个具有任意位置、旋转和缩放的3D模型,并且有一个可信的向上矢量。然而,ContextCapture本身也支持多种类型的定位数据,包括gps标签,控制点,并可以通过位置/旋转导入或完整块导入导入任何其他定位数据。


原则 Principle

ContextCapture以一组静态主题的数码照片作为输入,从不同的角度拍摄。可以提供各种额外的输入数据:相机属性(焦距,传感器大小,主点,镜头失真),照片位置(GPS),照片旋转(INS),控制点,…
在不需要人工干预的情况下,根据输入数据的大小,在几分钟/几小时的计算时间内,ContextCapture输出一个高分辨率的纹理三角形网格。 textured triangular mesh

输出的3D网格构成了被输入照片充分覆盖的主体部分的精确视觉和几何近似。

原则1 需要合适实验对象

ContextCapture最适合几何复杂的纹理哑光表面,包括但不限于建筑,地形和植被。
ContextCapture用于静态主题。移动的物体(人,车辆,动物),如果不是主要的,可以在生成的3D模型中以偶尔的人工制品为代价来处理。在采集过程中,人类和动物应保持静止,或应使用多个同步相机拍摄。


构成

两个主要的ContextCapture模块是ContextCapture Master和ContextCapture Engine。它们遵循一种主工模式:

  • ContextCapture Master是ContextCapture的主模块。通过图形用户界面,它允许定义输入数据和处理设置,提交处理任务,监控这些任务的进度,可视化它们的结果,等等。主机不执行处理任务。相反,它将任务分解为基本作业,然后提交给作业队列。
  • ContextCapture Engine是ContextCapture的工作模块。它在计算机后台运行,无需用户交互。当Engine不繁忙时,它会根据任务的优先级和提交日期接受队列中的待处理作业,并执行它。一项工作通常包括处理航空三角测量或三维重建,使用各种计算密集型算法(关键点提取、自动连接点匹配、束调整、密集图像匹配、鲁棒三维重建、无缝纹理映射、纹理图谱打包、层次分析)、
  • 对于自动化需求,ContextCapture Master接口也可以通过调用Python API来替代。参见ContextCapture ContextCapture MasterKernel SDK。(看到这里是不是有点紧张和兴奋,这意味着我们可以python做一整套流程,比如点云处理后进行深度学习)

workflow

【三维点云】CC教程1(Context Capture)文章来源地址https://www.toymoban.com/news/detail-440736.html

到了这里,关于【三维点云】CC教程1(Context Capture)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【GlobalMapper精品教程】059:基于las点云创建数字高程地形并二三维着色显示

    本文讲述在globalmapper免费中文版中基于地形点云las数据创建数字高程地形、数字高程二三维联动可视化并进行数字高程着色显示。 相关阅读 :ArcGIS实验教程——实验二十:ArcGIS数字高程模型DEM建立 加载配套实验数据包中的 point.las 点云数据,如下图所示,默认是灰度显示。

    2024年02月08日
    浏览(42)
  • Pybullet获取RGB图像和深度图像构建点云(Open3D)

      最近正在做点云分割相关的课题,数据集采集有点麻烦,想通过Pybullet先制作一批仿真合成数据集出来。虽然思路挺清晰,由RGB-D图像生成点云,但是中间有很多地方会卡住,所以写篇blog记录一下。   图像的拍摄挺简单的,直接用Pybullet现成的函数就可以获取RGB图像和

    2024年01月16日
    浏览(52)
  • open3d教程(二):可视化三维模型,并转换成点云(Python版本)

    可以自己用建模软件建立一个模型 从free3d免费下载 open3d.visualization. draw_geometries 参数: geometry_list ( List[open3d.geometry.Geometry]) : 要可视化的几何体列表. window_name( str ,  optional ,  default=\\\'Open3D\\\'): 展示模型的可视化窗口名称,默认是Open3d. width: 

    2024年02月11日
    浏览(46)
  • rviz是如何获取图像里选择的点云的3D坐标的

    以前以为rviz是用OpenGL渲染绘图,那么获取图像里像素点对应的真实3D坐标是采用的OpenGL里提供的API实现的,结果一看代码还真不是这样,rviz也就渲染用了OpenGL,其他都是自己实现的,图像界面的实现完全是遵循MVC设计模式自己实现的透视投影和坐标转换等所有相关类。获取点

    2024年04月25日
    浏览(33)
  • Python-编写点云处理软件(二)点云软件ui制作之仿CC界面

    本系列第一篇中已经对VTK显示点云、VTK集成到Pyside2以及可执行程序打包进行了介绍与示例分析。 接着我们需要对这个小程序的界面进行优化,点云处理的开源软件中,CloudCompare算是比较实用的一款,其界面也是比较简洁和美观。那么本篇将在UI界面上进行简单的设计,达到一

    2024年02月12日
    浏览(48)
  • 苹果电脑RAW图像处理软件Capture One Pro 22 mac软件介绍

    Capture One Pro 22 for mac是一款专业的RAW文件转换器和图像编辑软件,拥有更新的处理引擎、市场领先的性能和强大的新功能,可为 500 多台高端相机提供具有美丽色彩和令人难以置信的细节的终极图像质量。 Capture One Pro 22 for Mac版软件介绍 Capture One是专业的RAW转换器,可为500多个

    2024年01月16日
    浏览(48)
  • python如何实现点云可视化交互——Open3D实例教程(获取所选点的信息)保姆级教学

    Open3D是目前python中可用的用于 3D 数据处理的现代库,可以对点云、网格等三维数据进行读取、采样、配准、可视化等操作。其中对点云等三维模型进行可视化的功能在Python中显得非常方便。 在通过对官方文档的研究之后作者发现在Open3D的多种可视化函数中出现了返回所选点

    2024年02月02日
    浏览(61)
  • 三维变换矩阵实战——三维点云的旋转、缩放、镜像、错切、平移、正交投影

    旋转矩阵:右边矩阵是点云的原始坐标,左边的是旋转矩阵     可视化:绕x轴旋转90度 代码: 旋转矩阵:    可视化:绕y轴旋转180度 代码: 旋转矩阵:    可视化:绕z轴旋转90度 代码: 旋转矩阵:  线绕哪个轴转,xyz矩阵就和哪和轴的旋转矩阵先计算      可视化:先

    2024年02月04日
    浏览(89)
  • vue&h5获取手机前置摄像头(安卓&ios),input capture属性和navigator.mediaDevices

    调用前置摄像头 capture=\\\"user\\\" 调用后置摄像头capture=\\\"environment\\\"或其他只适用于ios 根据官网解释 iOS最遵守遵守HTML5规范,其次是X5内核,安卓的webview基本忽略了capture。 官方文档:www.w3.org/TR/2018/REC-html-media-capture-20180201/ 对于安卓,亲测capture=\\\"user\\\"效果是,第一次打开前置摄像无效

    2024年02月10日
    浏览(49)
  • 三维重建(单目、双目、多目、点云、SFM、SLAM)

    三维重建定义 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

    2024年02月03日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包