3D模型和匹配估计.ppt

3D模型和匹配估计 ——模型表示 3D数学历史 我们都学过几何学，应该都知道欧几里得（公元前3世纪希腊数学家）这位几何学鼻祖，正是这位大牛创建了欧几里得几何学，他提出了基于 X，Y，Z 三轴的三维空间概念。 到了17世纪，又出了位大牛笛卡尔，我们通常所说的笛卡尔坐标就是他的创造，笛卡尔坐标非常完美地将欧几里得几何学理论与代数学联系到一块。 3D数学历史 正是因为有了笛卡尔坐标，我们才能够用简单的矩阵（Matrix）来表示三维变换。但用矩阵来表示三维变换操作有一个无法解决的问题-万向节锁 。 什么是万向节锁呢？ 万向节锁是指物体的两个旋转轴指向同一个方向。实际上，当两个旋转轴平行时，我们就说万向节锁现象发生了，换句话说，绕一个轴旋转可能会覆盖住另一个轴的旋转，从而失去一维自由度。 3D数学历史 简单地说就是两个轴旋转到同一个方向上去了，这两个轴平行了，因此就比原来少了一维。 过了一百多年，汉密尔顿（Sir William Rowan Hamilton）创建了四元数（quaternion）解决了因为旋转而导致万向节锁的问题，然后四元数还有其他用处，但在3D数学里主要是用来处理旋转问题。 成像系统几何原理 假定上述成像系统服从简单几何光学定律的理想系统，物体表面上一个无限小曲面元δA反射的面辐射强度L经透视投影到图像平面的便面元δI上，而物体表面上其他部分的光线不会射到这块面积上。图像中，点（x，y）处的表面元δI的照度(入射光通量）经推导可得： 通过公式可以得出两个有意义的结论： （1）光轴附近cos4α=1，图像照度与景物的面辐射强度L成正比； （2）比例因子含有轴偏角α的四次方，在理想情况下，应对成像系统进行标定和校准，以消除灵敏随α的变化。 表面反射系数 成像过程的一个基本物理性质是物体的表面发射，它确定了图像中物体的“亮度”与成像环境固有的性质和几何结构的依从关系。表面反射系数是在任何给定方向上，表面反射的面辐射强度在给定入射光通量中所占的比例。 当我们用摄像机观察一个物体时，观察方向上由物体表面小曲面元所产生的辐射强度L与光源从某一方向照射到物体表面小曲面元上的照度E之间的关系，可以用双向反射分布函数（BRDF-Bidirection reflectance distribution function)来描述，即： 双向反射分布函数BRDF BRDF可用来定义一种朗伯（Lambertian）表面，这种表面具有这样一种性质：在均匀照明即平行光照明情况下，从任何视点方向去观测其表面的亮度都是相等的，即： 表面取向 对于物体表面上的一个点，可用一个切面或表面法向矢量来表示。 物体表面方程为： 该表面的法向矢量为： 表面法向的梯度表示 表面梯度矢量（p，q）的分量分别定义为： 于是，表面的法向矢量可表示为[-p,-q,1]。 梯度空间是物体表面斜率的一个二维空间，该空间是用面向观察者的坐标系定义的，这一概念对于理解面法线的恢复变换算法特别有用。 反射图 BDRF对于理解物体表面的反射是很重要的，但理解图像形成过程所需要的是反射图。反射图考虑了光源分布的特性和物体表面具有的反射性质，它使物体表面取向与亮度之间的关系一目了然。考虑一个朗伯表面，其指向为[-p,-q,1]，光源的照度为E，则该表面元的辐射强度为（以观察者为中心的坐标系统） 式中 是照射光与朗伯表面取向的夹角。 如果光源在 方向上，则： 由此得到场景亮度与表面朝向的关系，记这样得到的关系 数为 ： 图象亮度约束方程 反射图表示了表面亮度与表面朝向的以来关系，图象上一点的照度I(x,y)是正比于场景中目标表面对应点亮度的。所以： I(x, y) = R(p, q) 这个方程称为图象亮度约束方程。它表明在图象中（x,y）处像素的灰度I(x,y)取决于该像素由（p,q）所表达的反射特性R(p,q)。 问题求解 反射图R(p,q)到图象灰度的映射是唯一的，但是，反过来却不一定，有时甚至无限多个表面朝向可给处相同的亮度； 为了恢复表面朝向需要引入新的信息：利用在不同光线下，采集的两幅图象可对每个图象点产生两个方程： I1(x, y) = R1(p, q) I2(x, y) = R2(p, q) 如果方程线性独立，则有唯一解，否则，可以有多个解或者无解。 实际情况常使用3个不同的光源，这不仅可使方程线性化，更重要的是可提高精度和增加可求解的表面朝向范围。 从双目图象中获得深度 人的视觉的功能之一是通过双目体视来重构世界的三维表示，也就是通过把在两个不同视点所得到的一对二维图像进行组