一、前言视觉三位重建一直是计算机视觉和摄影测量领域讨论的话题，且在近几年更是大家关注的热点、如数字孪生、AR、自动驾驶的高精度地图等。视觉三维重建相比激光三维重建，虽然精度上处于劣势，但是视觉具备更丰富的信息且成本低廉，故是数字化场景的首选方案，到目前为止，视觉三维重建框架层出不穷，其开源代表有colmap(2016)、openmvg(2012)、openmvs、alicevison、opensf

图像数量 556帧图1 是纯colmap 跑的结果,可以看到明显的drift图2 是基于colmap fusion gps的结果修改后的colmap,精度明显提升,可用于AR,过隧道,高精度建图等环节,打算写一篇paper后开源算法!!!

bundle adjustment 的历史发展bundle adjustment,中文名称是光束法平差,经典的BA目的是优化相机的pose和landmark,其在SfM和SLAM 领域中扮演者重要角色.目前大多数书籍或者参老文献将其翻译成"捆绑调整"是不太严谨的做法.bundle adjustment 最早是19世纪由搞大地测量学(测绘学科)的人提出来的,19世纪中期的时候，geodetics的学

不管是无人机影像或者其它方式摄取的图像，由于光照，难免会存在阴影，笔者这篇文章介绍检测阴影一种简单的方式。参考论文：1、Damaged Building Detection in Aerial Images using Shadow Information2、Linearized Vegetation Indices Based on aFormal Statistical Framework主要

红眼形成？由于相机曝光，进光量太大造成，红眼毫无疑问红色通道的值要大于绿色和蓝色，那么就要想办法用绿色和蓝色组合如何消除红眼？1、眼睛检测--利用opencv 自带的xml，笔者以前的博客很多这种2、构造maskmask=r>150＆ｒ＞（ｂ＋ｇ）笔者在加上ｒ＞１５０的时候，有问题，所以只保留了如ｒ＞（ｂ＋ｇ）这个３、对于mask 进行填洞，因为得到mask可能存...

一、 ChARUco 板子以前标定过程中，都是用棋盘板子（张正友），棋盘图案的每个角都被两个黑色方块围绕着，可以更精确地细化，但是棋盘板子有个问题，就是不能被遮挡，必须是完全可见的。ArUco板子具有快速检测和多功能性，然而，ArUco标记的一个问题是，即使经过亚像素细化，它们的角点位置的准确性也不是很高。所以综上， ChARUco 板子结合两者，如图：二、 标定过程代码#...

​摄影测量(计算机视觉)中的三角化方法​提到三角化大家都十分熟悉，在CV 领域中，由像点计算物点的过程称为三角化，但在摄影测量领域，其称作为前方交会。值得注意的是单张影像是无法恢复像点的三维坐标，至少需要两张影像才能得到像素点的真实坐标(这里已知两张影像的pose信息)​三角化有很多方法，这里介绍两帧三角化、多帧三角化、迭代三角化、选权迭代多帧三角化（并附上本人代码）。1、两帧三角化在opencv

教你一点点掌握视觉三维重建-colmap 重要代码逐行解析这里以colmap 框架为准,主要对其重要环节代码结合自己的想法进行逐一讲解,colmap 作为目前state-of-the-art 的视觉重建pipeline,本人将其代码分为两个大环节:前端和后端.前端主要是特征提取和匹配,后端包括三角化,Register,BA等环节.完成时间deadline:12月底;这里以博客为证,如果您感觉到这份

AR中最核心的技术是视觉定位技术，也就是目前又一个火热的学术名词“空间计算”，而目前主流的VPS技术可以分为两个层面：地图构建层 和定位服务层。

1、  不用json 包先来看一个Python 的奇淫技巧i=100s1=’str(i)’这样输出的不会是’100’，毫不疑问。但是s1=’ ‘+str(i)+’ ‘ 这样输出的结果=str(i)。于是看这一条语句：str1='{"lat":' + str(lat) + ',"lng":' + str(lng) + ',"count":'