2D图像中的3D特征分析：从折痕到光照边界

计算机视觉是一种技术，它专注于从二维图像中提取和理解三维信息。在第10章中，主要探讨如何通过分析2D图像中的特征来推断3D空间中的结构。2D图像中的3D信息包含以下几个关键概念： 1. 本征图像: 本征图像描绘了3D场景的构成，其中目标面元（如平面）受到光源照射，在二维图像中表现为特定区域。例如，折痕（定义1）代表表面突变或交界，其两侧虽然表面点连续，但法线方向不连续，可以通过视点邻域观察到；刀刃（定义2）和翼边（定义3）分别对应表面法线连续变化但方向不同和垂直于视线的情况。 2. 光线和阴影：光照边界（定义5）由表面材料的反射变化或阴影突变引起，反映了光照的不连续性。跳跃边缘（定义6）出现在遮挡目标与背景之间的深度不连续处，如翼边越过轮廓时。 3. 假设条件：在处理问题时，通常假设所有3D目标都是三面角目标，即由三个平面相交形成的所有角。这样，可以将3D结构简化为面、折痕和角的描述，以及2D图像中的区域、边和连接。 4. 线条图标记：在表达这种结构时，使用线条图作为视觉工具，它由连接线段组成，代表3D角的组合。有16种可能的连接类型，包括L连接、箭头连接、叉连接等，这提供了约束条件。给定一组观察到的边Pi，问题转化为为每条边分配标记Lj，使得连接类型符合预设的16种组合。 5. 解决方法：针对这个问题，两种主要的解决策略是： - 顺序回溯（解释树）：通过递归地尝试各种可能性，从根节点开始，逐步构建解释树，确保每个选择符合已知的连接规则。 - 并行松弛标记：这是一种并行化的方法，通过同时探索多个可能的标记组合，以提高标记过程的效率。 计算机视觉中的2D图像3D信息处理涉及深度学习、图像几何、纹理分析等多个领域，其核心是通过解析图像特征来推断三维空间的布局和结构，这对于机器人导航、物体识别和虚拟现实等领域具有重要意义。