4

ドライブレコーダーからのビデオがあるとしましょう。モーション技術からの構造を使用して、記録されたシーンの点群を構築したいと考えています。まず、いくつかのポイントを追跡する必要があります。

より良い結果が得られるのはどのアルゴリズムですか? スパース オプティカル フロー (Kanade-Lucas-Tomasi トラッカー) または高密度オプティカル フロー (Farneback) を使用して? 私は少し実験しましたが、本当に決めることはできません。それらのそれぞれには、独自の長所と短所があります。

最終的な目標は、シーンに記録された車のポイント クラウドを取得することです。スパース オプティカル フローを使用することで、車の興味深い点を追跡できます。しかし、それはまったく予測できないでしょう。1 つの解決策は、画像内にある種のグリッドを作成し、トラッカーが各グリッド内の 1 つの興味深い点を追跡するように強制することです。しかし、これはかなり難しいと思います。

密なフローを使用すると、すべてのピクセルの動きを取得できますが、問題は、動きの少ない車の動きを実際に検出できないことです。また、アルゴリズムによって生成されたすべてのピクセルの流れがそれほど正確であるとは思えません。さらに、これを使用すると、2 つのフレーム間でのみピクセルの動きしか取得できないと思います (スパース オプティカル フローを使用する場合とは異なり、時間に沿って同じ興味深い点の複数の座標を取得できますt) 。

4

1 に答える 1

3

あなたのタイトルは姿勢推定を含むSFMを示しています、

追跡は最初のステップ（マッチング）にすぎません。ビデオから点群が必要な場合（非常に難しいタスク）、最初に考えるのは、MVEでも機能するバンドル調整です。

それにもかかわらず、ビデオの場合、フレームが互いに近すぎるため、(オプティカル フロー) のようなより高速なアルゴリズムを使用できます。

E = 1/K * F * K

元の質問に戻りますが、どちらが優れていますか:

1) 密なオプティカル フロー、または

2) まばらなもの。

どうやらあなたはオフラインで作業しているので、速度は重要ではありませんが、スパースをお勧めします。

アップデート

3D再構築の場合、密集の方が魅力的に見えるかもしれませんが、あなたが言ったように、堅牢なことはめったにないので、疎を使用できますが、半密にするために必要な数のポイントを追加できます。

mono-slamやorb- slam など、これを行うことができるいくつかの方法を挙げることはできません

最終更新

以前に書いたようにセミデンスを使用しますが、SFM は常に静的なオブジェクト (動きがない) を前提としています。

実際には、画像内のすべてのピクセルを使用することは、3D 再構成 (直接的な方法ではない) には決して使用されないものであり、常に SIFT は特徴の検出と照合の方法として賞賛されていました.. 最近では、すべてのピクセルがさまざまな種類のキャリブレーションで使用されていました。次のような方法で: Direct Sparse odometryおよび直接法として知られるLSD

于 2017-05-09T06:59:45.153 に答える