Computer vision 合并照片纹理-(来自校准相机)-投影到几何体上

Computer vision 合并照片纹理-(来自校准相机)-投影到几何体上,computer-vision,graphics,Computer Vision,Graphics,我正在寻找将投影纹理合并到几何体上的论文/算法。更具体地说,给定一组经过充分校准的相机/照片和几何体,我们如何定义一个度量来选择应使用哪张照片对给定的几何体面片进行纹理处理 我可以想出一些可以最小化的属性,包括曲面法线和摄影机之间的角度、摄影机与曲面之间的距离,以及最小化锐度的一些参数化 问题是这些东西是如何结合在一起的?是否存在完善的现有解决方案?我确信有一些理论方法可能最终产生结果。但我想推荐一种更直接的方法: 如果您有可用的GPU,并且有一些DirectX或OpenGL着色器经验(或GPU

我正在寻找将投影纹理合并到几何体上的论文/算法。更具体地说,给定一组经过充分校准的相机/照片和几何体,我们如何定义一个度量来选择应使用哪张照片对给定的几何体面片进行纹理处理

我可以想出一些可以最小化的属性,包括曲面法线和摄影机之间的角度、摄影机与曲面之间的距离,以及最小化锐度的一些参数化


问题是这些东西是如何结合在一起的?是否存在完善的现有解决方案?

我确信有一些理论方法可能最终产生结果。但我想推荐一种更直接的方法:

如果您有可用的GPU,并且有一些DirectX或OpenGL着色器经验(或GPU编程经验),则将每个纹理“拉伸”到模型上并检查结果相对简单

首先使用你的眼睛,并建立一个简单的指标,可以快速作出判断,并与你的眼睛有足够的相关性。(例如,由于锐度可能是良好纹理的期望特征,因此对输出和输入的映射部分进行2D FFT:具有最高频率内容和最小损失的映射可能是最佳选择。)

有时最简单的方法(“全部尝试并测试”,又名“蛮力”)可能是最好的,特别是如果你有一些GPU马力可用。也就是说,不要试图开发成功的理论预测(这可能是开发和调试的一大难题),而是生成所有可能的结果并进行比较,以确定哪一个是最好的


毕竟,即使你确实开发了一种基于预测的先验方法,你仍然需要应用投影并检查结果以确保其有效。既然您需要编写测试代码,为什么还要编写其他代码?

我认为stackoverflow不是提出这个研究问题的最佳场所。我会尝试用这些关键词搜索期刊或会议数据库。你的大学会给你一个机会。一些关于用纹理进行三维重建的调查报告应该会让你知道已经尝试了什么以及该怎么做。:)不幸的是,我不是一名大学生。我已经做了大量的搜索,但有时人类可以为你指出正确的方向,而这些信息是堆积如山的,这只是另一个寻找潜在线索的地方。这就是说,我意识到这可能是在错误的一方,“提出可以确定答案的问题”,堆栈溢出规则。你可以检查OpenCV库,它提供了一些可能对你有帮助的函数。