Feature-less environments The topic

Feature-less environments

The topic of 3D reconstruction is a long-standing topic within the computer vision research community.
A common approach to generating a 3D point cloud from a sequence of image of video frames is to use a Structure-from-motion pipeline.

This style of approach has been demonstrated on user-generated imagery and indoor environments.

Similarly, Visual Simultaneous Localisation and Mapping (SLAM) techniques generally aim for online estimation of camera pose estimation and key feature locations.

The PTAM framework, for example, is designed for AR usage and has been shown to work on a mobile phone.

However, both SLAM and AAA approaches are not yet robust for all indoor scenarios. Large sections of interior walls either lack the texture required for feature detection and matching or require long model generation times.

結果 (繁體中文) 1:

功能較少的環境三維重建的話題是電腦視覺研究社區內的長期話題。從視頻幀影像序列生成三維點雲資料的常用方法是使用結構從運動管道。使用者生成的圖像和室內環境中證明了這種風格的方法。同樣，視覺同時當地語系化和映射 (SLAM) 技術為相機姿態估計和關鍵功能位置的線上估計方法一般有很強的目標。本文方法框架，例如，為 AR 使用設計和已被證明在手機上工作。然而，兩個大滿貫和 AAA 的辦法不是魯棒為所有的室內場景。大部分的內牆缺乏紋理特徵檢測和匹配所需的或需要長時間模型生成時間。

結果 (繁體中文) 2:

功能較少的環境中三維重建的主題是計算機視覺研究領域中的一個長期課題。以產生來自視頻幀的圖像序列的三維點雲的一種常見的方法是使用一個結構-從運動的管道。由於採用了這種風格已經表現出對用戶生成的圖像和室內環境。同樣，視覺即時定位與地圖構建（SLAM）技術一般瞄準相機的在線估計姿態估計和關鍵要素位置。該PTAM框架，例如，設計對於AR用法，並已顯示出一個移動電話上工作。然而，無論SLAM和AAA方法是尚未對所有室內場景穩健。內牆大段要么缺乏特徵檢測和匹配所需的紋理或需要較長的模型生成倍。

結果 (繁體中文) 3:

較少的環境特徵三維重建是電腦視覺研究領域中的一個由來已久的話題。從運動筦道中使用一個三維點雲影像序列生成三維點雲的一般方法。這種風格的方法已被證明對用戶生成的影像和室內環境。同樣的，視覺的同時當地語系化和製圖（SLAM）科技一般針對攝像機比特姿估計和關鍵特徵位置的線上估計。例如，本文方法框架，是專為AR的使用和已被證明在行动电话。然而，無論是大滿貫和AAA的方法是不穩健的所有室內場景。大斷面的室內牆壁要麼缺乏紋理所需的特徵檢測和匹配，或需要長時間的模型生成時間。