正投影模型下基于一维子空间的遮挡点恢复方法 .pdfVIP

正投影模型下基于一维子空间的遮挡点恢复方法 .pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
正投影模型下基于一维子空间的遮挡点恢复方法

学兔兔 第32卷 第9期 仪 器 仪 表 学 报 V01.32 No.9 2011年9月 Chinese Journal of Scientific Instrument Sep.2011 正投影模型下基于一维子空间的遮挡点恢复方法 彭亚丽,刘 芳,焦李成,刘侍刚 (西安电子科技大学 西安 710071) 摘 要:为了恢复图像遮挡点,假设相机为正投影模型,提出了一种基于1维子空间的遮挡点恢复方法,该方法利用第1幅图 像点构成的2个行向量外加1个行向量可以组成三维空间点构生成的子空间的特性,线性迭代地求取遮挡点的真实图像位置。 此方法最大的优点是在整个求解过程中都是线性的。收敛性实验表明了该方法具有很好的收敛性能,同时,和Eriksson方法及 Ma方法比较显示了本文方法具有较好的收敛精度。 关键词:遮挡点恢复;正投影;一维子空间 中图分类号:TP391.41 P232 文献标识码:A 国家标准学科分类代码:520 Occlusion recovery method for orthographic projection based on 1 D subspace Peng Yali,Liu Fang,Jiao Licheng,Liu Shigang (School of Computer Science and Engineering,Xidian University,Xian 710071,China) Abstract:To recover occlusions,an occlusion recovery method based on 1 D subspace is presented using orthographic projection in the paper.The method relies on the facts that the rOWS composed of all the image points span the same linear subspa.ce as the rows composed of the 3 D space points and that the basis of the subspace can consist of the two rOW vectors composed of the points of the first image and a row vector that is orthogonal to the former.The occlusions are obtained by linear iteration.The important feature is that the method is linear.Simulation experiment results show that the method is robustness and has good convergence.At the same time,the comparisons with Eriksson’S method and Ma’S method reveal that the method has hi gh convergence precision. Key words:occlusion recovery;orthographic projection;1 D subspace 虽然它并不需要选择子矩阵,但该方法并没有将所有的 1 引 言 图像都平等地看待,因此,其精度必然受到影响。Okatani 基于重投影点和可见点构造一个目标函数” ,利用L—M

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档