论文部分内容阅读
在已知图像观测值和相机内外参数的多视图三角化中,由于观测噪声的存在,导致中点法和L_2反投影标准法分别在三角化精度和效率上存在不足。因此,提出了一种基于逆深度自适应加权的多视图三角化方法。首先,通过构建待估计空间三维点在多视图环境下的逆深度模型,赋予不同视点下观测误差对应的自适应权重。然后,确定多视图三角化近似角度误差的无偏估计模型。最后,利用固定点迭代快速求解代价函数。在仿真和实际数据集上的实验结果表明,本方法能很好地平衡多视图三角化的精度和效率,且在不同噪声情况下的重建精度和迭代次数有较强的鲁棒性。