使用平行六的单像的摄像机标定和三维重建摘要在本文中，他们使用了.docVIP

文献综述和开题报告 使用平行六的单像的摄像机标定和三维重建 摘要 在本文中，他们使用了“平行六”对相机标定和三维重建过程进行了研究。平行六自然特征的刚性约束呈现在一个场景中，如平行和正交。平行六的一个子类?-?长方体?-?过去一直被频繁使用在部分校准相机。然而，在摄像头的校准以及现场重建，平行六的全部性质从未明确定义。我们提出了一个新的框架，这是基于广泛使用的平行六的研究这种潜力。特别是，我们完整的表现出存在于平行六的度量特征和摄像头的内在参数之间两重性。我们的框架，可以充分利用长方体的性质从而克服了校准的若干限制。为了说明此框架，我们提出一个原始但是非常有效的方法，使得能够进行单图三维重构。这种方法可以从一个单未校准图像迅速建立一个场景模型。 1.说明 在本文中，我们描述了如何使用的刚性约束通过平行六来从图像上推断相机的信息以及环境。动机是提出简单并且实用的方法来实现摄像机标定和一些互动的场景建模方法以及一些必须的引理。这个三维建模应用可以使用在完全没有数据的照相机，比如可以应用在从网上获得的一张单图上。 在过去的十年，于计算机视觉界中，刚性约束已被广泛研究。在一个开创性的工作，Caprile和Torr用长方体，即平行六的直角来估计一些相机参数。他们的做法是基于消失点定义长方体的投影边缘。这种消失点对应垂直方向的空间，因此，成为三维空间和图像平面之间的转化上的约束。这个想法之后，几种方法，使消失点和线的使用，已提出部分校准相机或重建场景[8，4，10，5，12，7]。但是，计算图像中的消失点和线往往是数值不稳定。此外，处理个人的消失点，不允许充分利用输入，即所有的消失点，从一个单一的平行投影干中的冗余。对比上面提到的方法，我们不计算消失点或线条，但投影矩阵等平行的预测符合有关的图像点。 近日，校准结果也得到采用平面图案和立体型[11，13，14，15]。虽然比标准的校准技术更灵活，对应矩阵为基础的方法要么需要欧几里德信息，或者，自校准，一般立场的许多图像。此外，用于校准的平面结构，往往是没有充分利用的平行六结构的一部分，就像上面提到消失点或线的方法。在这个意义上说，我们的做法是基于平面度量信息三维，平行六的模式与方法的推广。 其他工程部分使用平行六。例如，在[6]长方体用于三维重建，但需要几个校准图像。此外，在[3]平行六是用于增强现实应用中的校准。然而，该方法具有有限的应用程序域，因为：相机必须满足强大的约束?-?单位宽高比?-?只有部分知识的平行六?-?角?- 可用于校准。 我们的做法是根据相机之间的内在特性和平行六的两重性。鉴于一个平行六的形象，给每个已知的内在参数或者相机或平行六参数的约束设置两个实体。由于平行六是经常在人造环境（屋顶，外墙等），丰富多样的图像可以使用这种方法进行校准。此外，对平行六小知识一般要求。例如，两个直角相机内在相关可证明有效的假设是为校准足够。这使得平行六成为一个能够适应未知环境的非常灵活的工具。此外，平行六的结构是一个自然积木使得人使用简单的后续约束，如共面点，等我们提出了一个从单一图像的交互式场景建模方法，使用这些约束可以很容易地扩展的场景。本文组织如下。第2节介绍，在本文的其余部分使用的定义。校准采用平行六是在第3节研究。建立二元之间内在的相机和平行参数。一个奇异的校准配置的详尽研究，并给出实验结果提供了精确定义的应用程序上下文。基于单幅图像的三维重建方法是在第4节和逼真的场景模式说明。 2.定义 相机型号：我们假设成像系统是基于针孔模型（即透视投影）。因此，可以从三维空间到二维图像平面的投影表示：p~M*P. 其中M,P是一个3x4的矩阵，p是在三维空间和图像中的平面分别均匀的点的坐标。矩阵M可以分解为：M =?K*[R t]。[R T]是确定相对方向R和在三维空间中相机的位置?- RT?的3x4矩阵，K是3x3的校验矩阵定义的针孔摄像头： 其中u和v表示水平和垂直方向的像素尺寸，焦距，S是一个倾斜的参数视为等于零（但这可以放宽）。U0，V0是像素的光学轴的交点坐标与图像平面。 平行六：平行六面体是由12个参数的定义：三维参数（边长）和三个角之间的平行六描述其在三维空间中的方向和位置（三个位置和三个方向的参数）和6个内部参数，描述其欧几里德形状的外部参数边缘（见图2）。只取决于在十一参数，由于投影的规模，深度模糊的平行六面体的透视投影。 因此，5个形象点和图像方向是不足以完全定义一个平行的投影。通过经典的三个点透视的其他平行的形象加分，就可以被计算，使用并行的平行六面体边缘。因此，在三维并行不提供任何信息计算3D到2D投影，从而校正（校准是什么是有用的知识的平行六面体的内在参数，即非平行边的长度比之间的角度）。等价的，额外的形象加分，除了最小的五年半，不提供校准的限制。然而，他们