自校准等距非刚性结构的运动恢复及其性能比较

本文主要探讨了"自校准等距非刚性结构的运动恢复及性能评估"这一主题，针对的是单目图像中的非刚性物体三维重建问题。传统的非刚性结构从运动（NRSfM）方法通常假设相机已经校准，即内在参数（如焦距）是已知的。然而，本文提出了一种创新的方法——自校准等距非刚性结构运动恢复（SCIso-NRSfM），它旨在处理至少三个未校准图像中具有恒定但未知焦距的情况。 SCIso-NRSfM的关键在于将强大的差分方法与局部多项式约束相结合，这种方法在NRSfM中用于求解局部形状。在常规NRSfM中，形变是局部处理的，而在SCIso-NRSfM中，难题在于同时解决局部形状和作为全局变量的焦距。为了克服这一挑战，作者利用结果多项式（resultants）技术，将焦距转化为单变量多项式，其平方和形式。这种方法允许作者通过整合所有对应关系和整个图像集的约束来求解焦距，从而解决了非刚性结构的校准问题。 与传统方法相比，自校准等距NRSfM的优势在于它能够在无需校准的情况下，逼近于使用校准相机的最先进的性能。通过消除形状和焦距的复杂交互，该方法使得局部形状的重构变得相对简单。作者的实验结果显示，SCIso-NRSfM在实际应用中表现出色，即使在非校准的成像条件下也能提供接近校准相机水平的重建效果。 本文的核心知识点包括： 1. 自校准技术在NRSfM中的应用，特别是处理非刚性物体的3D重建问题。 2. 局部多项式约束和差分方法在解决NRSfM中的作用，以及如何转化为单变量焦距求解。 3. 结果多项式在解决非刚性结构自校准问题中的关键作用。 4. SCIso-NRSfM如何克服校准不足对性能的影响，并在性能上与校准相机法相媲美。 5. 度量仿射相机与透视相机在NRSfM中的局限性和比较。 这项工作对于计算机视觉领域，特别是在移动设备、无人机和虚拟现实等应用场景中的实时非刚性物体重建具有重要意义。