計算機視覺三維測量與建模-參考答案匯總 第1-8章

大數(shù)據(jù)財務(wù)決策概論數(shù)字影像的概念？常見的數(shù)字影像的類型有哪些？物理世界的物體針對不同頻段的電磁波具有不同的輻射、吸收和透射特性。通常數(shù)字影像的成像過程是傳感器將接收到的輻射、反射或透射的電磁波，從光信號轉(zhuǎn)換為電信號，再轉(zhuǎn)換為數(shù)字信號的過程。彩色影像、灰度影像、二值影像、深度圖影像、多光譜影像、偽彩色影像。攝影幾何的意義以及攝影幾何數(shù)學(xué)表達的優(yōu)點有哪些？射影幾何學(xué)也叫投影幾何學(xué)，在經(jīng)典幾何學(xué)中，射影幾何處于一個特殊的地位，通過它可以把其他一些幾何學(xué)聯(lián)系起來。在射影幾何學(xué)中，把無窮遠點視為“理想點”。歐氏直線再加上一個無窮點就是射影幾何中的直線，如果一個平面內(nèi)的兩條直線平行，那么這兩條直線就交于這兩條直線共有的無窮遠點。使用射影幾何進行數(shù)學(xué)表達的優(yōu)點包括:(1)提供了一個統(tǒng)一的框架來表示幾何圖元，如點、線和平面;(2)可以在無窮遠處以直接的方式操作點、線和平面;(3)為許多幾何操作(如構(gòu)造、交集和變換)提供了線性表示方式。為了描述光學(xué)成像的過程，通常需要引入幾種坐標(biāo)系，分別進行說明。1.世界坐標(biāo)系為了描述觀測場景的空間位置屬性，第一個需要建立的基本的三維坐標(biāo)系是世界坐標(biāo)系，也被稱為全局坐標(biāo)系。2.像空間輔助坐標(biāo)系第二類坐標(biāo)系是像空間輔助坐標(biāo)系，也被稱為相機空間坐標(biāo)系。它類似于攝影測量學(xué)中的像空間輔助坐標(biāo)系，是以攝像機為分析基準的坐標(biāo)系，也是從三維空間轉(zhuǎn)換到二維空間的一個橋梁。3.像平面坐標(biāo)系第三個重要的坐標(biāo)系是像平面坐標(biāo)系。攝像機對三維場景拍照，屬于透視投影變換,是將觀測點的坐標(biāo)值從三維空間轉(zhuǎn)換到二維空間的射影變換?；诓煌臏y量原理，主動式掃描儀系統(tǒng)可以分為幾類？1.飛行時間掃描儀TOF類型的掃描儀通過測量從發(fā)射端發(fā)出的輻射波到目標(biāo)表面的往返時間來計算目標(biāo)表面點的距離。2.相移掃描儀相移掃描儀利用正弦調(diào)制的強度隨時間變換的激光束進行測量。通過觀測發(fā)射信號和反射信號的相位差，計算目標(biāo)與傳感器之間的往返距離。3.主動三角測量掃描儀主動三角測量系統(tǒng)從一個方向發(fā)出連貫的或不連貫的光模式，然后在另一個方向進觀測。在這類系統(tǒng)內(nèi)可以通過不同的模式進行進一步的區(qū)分，如利用單一的激光光斑、激光線、激光網(wǎng)格或更復(fù)雜的結(jié)構(gòu)模式，如偽隨機條形碼等。請簡述三維計算機視覺與攝影測量的關(guān)系。計算機視覺三維測量技術(shù)與數(shù)字近景攝影測量的許多基礎(chǔ)原理是--脈相承的，但關(guān)注的應(yīng)用重點有所區(qū)別，偏重的技術(shù)也有所差異。兩者的主要差異在于以下幾點。第一點，計算機視覺三維測量主要使用齊次坐標(biāo)表示點的轉(zhuǎn)換，注重使用矩陣的性質(zhì)(比如矩陣分解)來計算攝像機參數(shù)和結(jié)構(gòu)參數(shù);而攝影測量學(xué)的核心是基于共線方程的成像函數(shù)，常常需要一個相對可靠的初始值，然后在初始值附近進行泰勒級數(shù)展開，利用非線性迭代的最小二乘法平差方法求解各類未知參數(shù)。另外，兩者對坐標(biāo)系統(tǒng)的定義方式有所區(qū)別，這主要是因為攝影測量學(xué)要服務(wù)于測繪應(yīng)用的目的，會盡量將其定義的坐標(biāo)系與大地坐標(biāo)系的坐標(biāo)軸指向一致。請簡單描述三維計算機視覺測量的應(yīng)用領(lǐng)域。1.工業(yè)測量在工業(yè)測量領(lǐng)域中，對工業(yè)部件的三維形狀的測量方式可以分為接觸式和非接觸式兩種。基于視覺的工業(yè)測量領(lǐng)域中，被測目標(biāo)物體表面的反光性或吸光性的強弱會決定是否可以測得有效信號。2.三維測繪遙感基于影像的三維重建系統(tǒng)或三維激光掃描設(shè)備可以獲得大型空間目標(biāo)的三維模型數(shù)據(jù)。在測繪遙感領(lǐng)域中，對橋梁、道路、地形和建筑物進行三維測量是許多工程的必要任務(wù)。無人機三維航空攝影測量是一項具有代表性的三維測繪遙感技術(shù)。3.機器人導(dǎo)航定位在機器人導(dǎo)航定位領(lǐng)域中，三維視覺系統(tǒng)是一種十分重要的環(huán)境感知工具。三維計算機視覺在影視廣告制作、醫(yī)學(xué)診斷、環(huán)境監(jiān)測保護和軍事訓(xùn)練等領(lǐng)域都有著廣闊的應(yīng)用潛力。第二章攝像機的幾何標(biāo)定攝像機幾何標(biāo)定的相關(guān)參數(shù)有哪些？標(biāo)定的方法有哪些？攝像機幾何標(biāo)定的相關(guān)參數(shù)主要包含內(nèi)參數(shù)和外參數(shù)。內(nèi)參數(shù)是攝像機固有的參數(shù)，在出廠時刻就伴隨而來。外參數(shù)則反映攝像機在物理世界坐標(biāo)系中的位置和姿態(tài)參數(shù)，是一個與觀測任務(wù)和觀測場景相關(guān)的參數(shù)。攝像機標(biāo)定方法包含傳統(tǒng)標(biāo)定法、自標(biāo)定法和主動視覺標(biāo)定法等。請簡述DLT標(biāo)定方法的特點以及利弊？DLT標(biāo)定方法具有算法直接和簡單易用的特點，但也存在一些固有問題。首先，不能保證DLT標(biāo)定方法求解的旋轉(zhuǎn)矩陣R滿足正交性，而實際的旋轉(zhuǎn)矩陣應(yīng)當(dāng)是一個正交矩陣。如果要使DLT標(biāo)定方法的結(jié)果滿足正交性約束，則需要使用非線性優(yōu)化的方法計算，而不是迭代計算能夠?qū)崿F(xiàn)的。第二個缺點是算法的求解并不完全等價于光束法平差。光束法平差的目標(biāo)函數(shù)是使像點的重投影誤差最小。請分別描述一個立方體投影影像滅點的幾種情況。場景中的兩條平行線在無窮遠處相交。在投影影像上，這些線通常不是平行的，并且在具有明確定義的影像坐標(biāo)的影像點v處相交，這樣的點稱為“滅點”，如圖所示。請簡單描述半自動標(biāo)定方法。與依賴于從未知幾何形狀的場景中提取點特征的自標(biāo)定方法相比，該方法需要具有已知精確控制點的標(biāo)定裝置。簡言之，半自動標(biāo)定方法可以自動地從標(biāo)定影像中提取出控制點的像素坐標(biāo)，所以不需要用戶交互，而且能夠準確地實現(xiàn)像素點和場景點的關(guān)聯(lián)，避免誤匹配的影響。然后進行攝像機標(biāo)定，其與Zhang1999標(biāo)定方法確定內(nèi)參數(shù)和外參數(shù)的方法類似。請寫出影像相關(guān)的數(shù)據(jù)融合處理通常分為三個不同的層次。(1)像素級融合。合并關(guān)于同-場景的多個傳感器的觀測影像，生成復(fù)合影像。采用逐像素的采樣方法，獲得復(fù)合影像的像素亮度值。(2)特征級融合。從原始影像中分別提取感興趣的特征，然后對特征信息進行綜合分析和處理，這是中等層次的融合。典型的特征信息有邊緣特征、紋理特征和相似景深區(qū)域等。(3)決策級融合。在進行融合處理前，先對原影像分別進行場景識別或判決，建立對同一目標(biāo)或事件的初步判決。然后，對不同數(shù)據(jù)源的決策信息進行融合處理，獲得最終的聯(lián)合判決。第三章影像特征提取表達像素特征提取和描述的基本要求分別有哪些？1.特征提取的基本要求從影像中提出的特征點位置，通常都需要滿足一些基本的特性條件，這些特性包括：(1)特異性，即特征點所在的位置應(yīng)該呈現(xiàn)出區(qū)別于非特征點的明顯特性，比如影像中的目標(biāo)物邊緣像素具有較大的亮度梯度變化的位置；(2)可關(guān)聯(lián)性，即在不同視角的影像中，對應(yīng)同一個場景點的特征點應(yīng)該能被重復(fù)檢測到，并具備在影像之間相互匹配關(guān)聯(lián)的能力；(3)穩(wěn)定性，這主要是指特征點的提取位置精度以及其在影像中的分散程度在數(shù)學(xué)上具有穩(wěn)定的可表達能力。2.特征描述的基本要求特征描述是特征提取的后續(xù)，特征描述是指用某種數(shù)學(xué)方法對影像上的特征點進行詳細的刻畫，這樣的數(shù)學(xué)表達被稱為特征描述子。在多數(shù)的實際算法中，特征描述子是使用具有一定維度的特征向量來構(gòu)建的。特征描述子應(yīng)滿足的基本要求包括：(1)唯一性，即不同位置的特征點的描述結(jié)果應(yīng)顯著不同，否則在進行特征匹配時，很容易形成匹配歧義；(2)獨立性，即當(dāng)使用高維向量作為描述子的數(shù)學(xué)表達時，其特征向量的各個維度間應(yīng)該保持非相關(guān)的獨立性，否則可以用降維算法對特征向量進行降維；(3)穩(wěn)定性，即在不滿足光照恒?；騽傂越Y(jié)構(gòu)等預(yù)設(shè)的假設(shè)條件時，特征描述子仍能夠保證獲得相似的結(jié)果；(4)不變性，即在不同影像中，同名點對應(yīng)的特征描述子能夠適應(yīng)尺度、平移、旋轉(zhuǎn)等變換，反映出相同或相似的數(shù)值。根據(jù)對梯度求解方法的不同可以幾類。在實際的影像中，需要在計算像素的灰度梯度時進行離散化求解。根據(jù)對梯度求解方法的不同，可以分為中心差分法、向前差分法、向后差分法以及對角差分法。請簡單分析比較幾種算子。(1)Roberts交叉算子由于是交叉梯度算子，它對邊緣正、負45°較多的影像提取邊緣較為明顯，但像素的定位準確率較差。(2)Prewitt算子對灰度漸變的影像邊緣的提取效果較好，然而缺乏對距離權(quán)重的考慮。(3)Sobel算子考慮了距離權(quán)重的影響，對噪聲較多的圖像的處理效果更好。Sobel算子的計算速度比Roberts交叉算子慢，但其較大的卷積核使輸入影像更平滑，從而降低了算子對噪聲的敏感度。與Roberts交叉算子相比，Sobel算子通常也會為類似的邊緣生成更高的輸出值。(4)Laplacian算子對噪聲比較敏感，由于其算法可能會出現(xiàn)雙像素邊界，因此常用來判斷邊緣像素位于圖像的明區(qū)還是暗區(qū)。什么是點特征提取，常用的點特征算法有哪些。點特征提取，主要是指找到一幅影像中的局部區(qū)域內(nèi)的灰度變化最為明顯的位置。角點是一種最直觀的特征，它給人的印象就是在某個方向上亮度或色彩變化較大的點。常用的點特征算法有Harris特征點、FAST特征點、SIFT特征點和SURF特征點等。請簡述紋理特征的四種類型。紋理特征可以分為4種類型。1.統(tǒng)計型紋理特征統(tǒng)計型紋理特征的計算以基于GLCM的方法為主，它是建立在估計影像的二階組合條件概率密度基礎(chǔ)上的一種方法。2.模型型紋理特征模型型紋理特征提取方法以隨機場模型方法和分形模型方法為主。3.信號處理型紋理特征信號處理型紋理特征主要利用某種線性變換、濾波器或者濾波器組將紋理轉(zhuǎn)換到變換域，然后應(yīng)用某種能量準則提取紋理特征。因此，基于信號處理的方法也稱為濾波方法。4.結(jié)構(gòu)型紋理特征該方法對人工合成的紋理識別效果較好。但對于交通影像中的紋理識別，基于統(tǒng)計數(shù)據(jù)的方法效果更好。第四章由運動恢復(fù)結(jié)構(gòu)請簡單描述簡單矩陣的重要特性？(1)如果F是一對攝像機矩陣(P，P')的基礎(chǔ)矩陣，則FT是按相反順序?qū)?P'，P)的基礎(chǔ)矩陣。(2)對于第一幅影像中的任意點m，對應(yīng)在另一幅影像上的極線為l'=Fm。類似地，l=FTm'表示與第二幅影像中的m'對應(yīng)于第一幅影像的極線。(3)對于任何點m(e除外)，極線l'=Fm包含第二幅影像中的極點e'。簡單說明八點算法求解二視圖基礎(chǔ)矩陣的步驟。(1)建立線性方程Af=0，由系數(shù)矩陣A的最小奇異值對應(yīng)的奇異向量f求出初始線性解F。(2)根據(jù)奇異性約束，使Frobenius范數(shù)||F-F'||取得最小值的F'作為最終的解。請簡述三視圖和四視圖的幾何計算。二視圖幾何計算類似的方式可以確定三視圖或四視圖幾何。由于滿足三視圖或四視圖幾何的結(jié)構(gòu)點肯定也會滿足二視圖幾何的結(jié)構(gòu)，因此可以采用級聯(lián)的方式進行匹配。首先從連貫的兩兩視圖中，估計二視圖幾何的結(jié)構(gòu)。然后通過比較兩組連續(xù)的成對匹配，推導(dǎo)出三重匹配。再對這些三聯(lián)體使用類似于所述的魯棒方法處理，只需要6個三重匹配點，就能夠確定三視圖幾何的結(jié)構(gòu)。對于四視圖幾何的情況，也可以使用類似的方法。最小二乘原理和高斯—牛頓算法的適用范圍分別是什么。LS法適用于系數(shù)矩陣無噪聲、觀測向量包含隨機誤差的模型，而且依賴于參數(shù)的初始值。GN算法可以保證在待求參數(shù)具有理想的初始值條件下可以快速收斂，因此，常作為解算非線性最小二乘模型的有效算法。請簡述二視圖的對極幾何求解過程。(1)在兩幅影像上分別使用特征提取算法提取特征點，并且對兩幅影像的特征點進行特征匹配，獲得初始匹配點對；(2)從所有的匹配點對中，隨機抽樣選取7組匹配點對，根據(jù)7組點對，計算一個基礎(chǔ)矩陣F，并統(tǒng)計能夠滿足F的正常值(inlier)個數(shù)；(3)統(tǒng)計inlier的比例，如果滿足式(4.25)中的Γ>95%，則繼續(xù)下一步；否則，跳回第(2)步；(4)使用所有的inlier,重新計算一個優(yōu)化的F；(5)根據(jù)F尋找新的匹配點對；(6)再一次使用所有的匹配點對，優(yōu)化F。第五章雙目立體視覺雙目立體視覺系統(tǒng)具有的特點和適用的范圍。雙目立體視覺系統(tǒng)具有結(jié)構(gòu)簡單、測量效率高、成本低、精度適宜等優(yōu)點，非常適用于工業(yè)領(lǐng)域的現(xiàn)場在線的非接觸式產(chǎn)品檢測和質(zhì)量控制。此外，在對運動物體(比如動物和人體形體)進行測量時，由于雙目攝像機能夠在瞬間同時獲得兩幅影像，因此雙目立體視覺方法是一種有效的實時測量方法。立體匹配算法有幾部組成。(1)絕大多數(shù)立體匹配算法主要由以下幾步組成：(1)匹配代價計算；(2)代價聚合和視差尋優(yōu)；(3)視差圖優(yōu)化。局部匹配的算法利用“贏家通吃”(WinnerTakesAll,WTA)的策略進行匹配；全局匹配的算法利用全局或半全局(Global/Semi-Global)約束的方法進行，這類方法更注重遵循步驟(2)和(3)的優(yōu)化處理過程。以窗口匹配為基礎(chǔ)的算法有什么不足的地方。(1)對于紋理缺乏的影像區(qū)域，極易出現(xiàn)誤匹配或無法匹配的情況；(2)對由光照條件的變化所引起的紋理畸變較為敏感；(3)對攝像機的位置和姿態(tài)變化及場景深度變化所引起的紋理畸變比較敏感；(4)在紋理重復(fù)的區(qū)域中，可能會出現(xiàn)多個相關(guān)的峰值，這會導(dǎo)致誤匹配的產(chǎn)生；(5)對遮擋情況沒有很好的處理機制。馬爾可夫隨機場(MRF)理論對影像匹配算法進行數(shù)學(xué)建模，數(shù)學(xué)模型由哪三部分組成。(1)節(jié)點集合V，即獨立的像素點的集合；(2)表示鄰域關(guān)聯(lián)的連接節(jié)點的邊的集合E；(3)隨機變量取值域F。簡單描述投影設(shè)備標(biāo)定的兩個部分。投影設(shè)備的標(biāo)定由兩部分組成：強度標(biāo)定，投影儀作為主動光源，需要標(biāo)定其強度以恢復(fù)其照明強度的線性度；幾何標(biāo)定，投影儀是一種逆攝像機模式，它需要像普通攝像機一樣進行幾何標(biāo)定。第六章點云濾波與分割請概述采樣點云通常存在的一些問題。(1)噪聲(Noise)。點云噪聲通常是指數(shù)據(jù)點隨機分布在靠近真實表面位置的情況。2)外點(Outliers)。外點也叫作異常值或者野值，它是指遠離真實表面的采樣點。(3)采樣缺失(Missing)。采樣缺失是由于在掃描過程中傳感器的采樣范圍有限、目標(biāo)具有高吸收特性、目標(biāo)形狀遮擋等因素造成的。(4)密度不均(UnevenDensity)。對目標(biāo)物表面進行掃描采樣時，點云在對應(yīng)物體表面的密度分布被理解為采樣密度。(5)配準錯位(Misalignment)。有時數(shù)據(jù)采集不是一次性完成的，而是利用多角度或者多頻次的采樣拼接得到整個目標(biāo)場景的點云數(shù)據(jù)的。優(yōu)良點云去噪算法應(yīng)滿足的幾點要求是什么。1.在噪聲點移除和幾何特征保持之間取得平衡，即在去除異常值和噪聲的同時，通過保留采樣點表面的銳利邊緣和局部細節(jié)，達到保持數(shù)據(jù)保真度的效果；2.對輸入數(shù)據(jù)具有自適應(yīng)能力，即算法不需要對采樣數(shù)據(jù)的噪聲模型或目標(biāo)表面性質(zhì)有精確的先驗假設(shè)，不需要知道是否為局部曲面或平面特征等條件；3.能夠?qū)斎朦c云的剛性變換保持不變，即去噪算法不依賴于傳感器觀測的角度或目標(biāo)的坐標(biāo)系的選擇；4.避免不必要減少輸入點云的數(shù)量，即如果輸入的數(shù)據(jù)中沒有噪聲，則要將有效的點保留在采樣數(shù)據(jù)中。針對不同表面類型和噪聲模型的點云去噪方法這些方法大致可分為幾種類型。1.基于統(tǒng)計學(xué)的方法一種簡單的基于統(tǒng)計學(xué)方法的原理是假設(shè)點云里的所有點到其鄰域點的平均距離值的概率服從高斯分布，其形狀由均值和標(biāo)準差決定。2.基于表面重采樣的方法經(jīng)典的表面重采樣方法從計算機圖形研究領(lǐng)域被推廣到了三維點云處理領(lǐng)域。3.基于深度學(xué)習(xí)的方法面向點云去噪的一種深度學(xué)習(xí)方法是PointProNet51，它通過將點斑投影到一個基于學(xué)習(xí)得到的局部框架下，并在有監(jiān)督的環(huán)境中使用卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork，CNN)將點斑移動到曲面上來，達到去噪的效果。什么是超體素？超體素(SuperVoxel)是一種集合，超體素聚類分割的目的不是完整地分割出某種特定目標(biāo)，而是對點云實施一種過分割(OverSegmentation)。超體素將場景點云表達為很多小塊，研究每個小塊之間的關(guān)系。比如在影像分割中，超像素的研究對于影像理解已經(jīng)比較廣泛。超體素方法是先識別結(jié)單一種抽象聚類，如將紋理、材質(zhì)和顏色類似的部分分割成一塊，有利于后續(xù)的識別工作。體素云連接性分割算法的基本步驟有哪些。1.構(gòu)建鄰接關(guān)系圖構(gòu)建鄰接關(guān)系圖是VCCS的一個關(guān)鍵步驟，這一步能夠確保各個超體素不會跨越在空間中不相連的對象的邊界。2.選擇種子點選擇種子點用于k均值聚類初始化超體素。3.設(shè)計特征空間和度量函數(shù)一旦種子體素被選中，就通過在特征空間中找到種子體素的中心和待聚類體素兩者內(nèi)的連接鄰域來初始化超體素特征向量。4.基于約束的迭代聚類將體素分配給具體的某個超體素是使用k均值聚類迭代完成的，聚類時考慮連通性和流約束聚類過程(FlowConstrainedClustering)。5.更新聚類中心，再迭代直至收斂一旦搜索所有的超體素鄰接圖結(jié)束，更新每個超體素的聚類中心，使其等于所有超體素組成體素的均值。這個過程迭代進行直到中心穩(wěn)定下來，或達到設(shè)定的迭代次數(shù)為止。良好的三維點云分割算法應(yīng)當(dāng)具有哪些性質(zhì)。第一，算法要能夠使用幾種不同種類的特征，例如，樹與車這兩種目標(biāo)物有著不同的特征。當(dāng)特征的數(shù)量變多時，分割算法要能夠?qū)W會如何自動地調(diào)整它們。第二，針對那些在采樣稀疏區(qū)域的點，分割算法需要能夠根據(jù)應(yīng)用領(lǐng)域的先驗信息推斷點的類別。第三，良好的分割算法需要適用于數(shù)據(jù)采集時使用的不同類型的傳感器，因為不同的傳感器會產(chǎn)生不同質(zhì)量的數(shù)據(jù)。第七章點云濾波與分割良好的特征描述需要滿足幾個條件。良好的特征描述需要滿足以下幾個條件，根據(jù)能否獲得相近的局部表面特征描述能力，來判斷點特征描述的優(yōu)劣。(1)當(dāng)場景與傳感器之間發(fā)生相對三維旋轉(zhuǎn)和三維平移變化時，不影響特征描述，即具有平移和旋轉(zhuǎn)不變性。(2)在一個結(jié)構(gòu)表面的局部范圍內(nèi)，采樣密度無論是大還是小，應(yīng)該有相近的特征描述，即具有抗密度干擾性。(3)在數(shù)據(jù)具有低等級噪聲的情況下，點的特征描述保持相同或者相似的值，即對點云噪聲具有穩(wěn)定性。三維NDT算法中對空間進行單元格劃分的方法有幾種。(1)固定尺寸劃分。固定尺寸是最常見的劃分方式之一，初始化操作簡單，而且能容易找到每個點對應(yīng)的網(wǎng)格。(2)八叉樹劃分。如何快速找到每個點對應(yīng)的網(wǎng)格是搜索速度的關(guān)鍵，八叉樹結(jié)構(gòu)是常見的三維搜索樹。(3)尺寸細化迭代劃分。好的初始位置可以加快收斂過程，一種常見的方法就是迭代起始位置，將上一次的終點位姿作為本次的起點位姿。以連續(xù)的不斷細化的單元格分辨率(4)自適應(yīng)聚類劃分。對點云數(shù)據(jù)采用聚類算法(如K均值聚類)劃分為多個聚類，每個聚類都作為一個NDT單元。(5)連接單元格。之前提到少于5個點的單元格會被舍棄，導(dǎo)致出現(xiàn)一些空的單元格，因而損失了數(shù)據(jù)的完整性。(6)三線性插值。由于固定尺寸劃分的單元格計算的PDF在單元格邊界出現(xiàn)不連續(xù)的情況，插值的方法相當(dāng)于做了平滑。請簡單描述RANSAC搜索法的步驟。RANSAC搜索法的步驟如下：第一，在兩組點云中分別任意選取三個點，組成對應(yīng)點對；第二，由對應(yīng)點對可以計算一個坐標(biāo)轉(zhuǎn)換矩陣Ti，將待配準的點云根據(jù)坐標(biāo)轉(zhuǎn)換矩陣重新計算坐標(biāo)；第三，在坐標(biāo)轉(zhuǎn)換后的待配準點云中，統(tǒng)計距離參考點云小于δ的點的個數(shù)后ki。如果ki足夠大，則認為Ti較好，否則重復(fù)上述步驟。上述循環(huán)過程會被設(shè)置一個循環(huán)操作次數(shù)L，在所有循環(huán)中選擇最高的ki，所對應(yīng)的Ti作為最后的結(jié)果。算法的目的是使用較少的循環(huán)操作次數(shù)，得到LCP值較大的坐標(biāo)轉(zhuǎn)換矩陣。什么是異源配準算法？異源配準算法是將點云的其他屬性信息(比如顏色、強度和幾何信息)相結(jié)合進行配準的方法，或者將影像重建的點云與LDAR掃描的點云進行跨模態(tài)方式的配準。例如，將RGBD深度圖基于顏色的配準方案和基于幾何位置的配準方案相結(jié)合，并推廣到無序點云中用于點云配準。請簡單描述柔性配準的兩種算法。1.基于優(yōu)化技術(shù)的配準算法基于優(yōu)化技術(shù)的柔性配準算法的公式比剛性情況更復(fù)雜，且更難以使用解析求解的計算方式，需要采用更先進的優(yōu)化技術(shù)。使用優(yōu)化技術(shù)的優(yōu)點在于能夠?qū)⑵ヅ鋵?yīng)點搜索和柔性轉(zhuǎn)換參數(shù)聯(lián)合求解。此外，還可以對其他未知參數(shù)進行建模，比如對應(yīng)關(guān)系的可靠性、平滑度約束等。2.基于概率統(tǒng)計的配準算法利用概率方法，可通過采用最大似然估計來解決場景目標(biāo)柔性變換的不確定性。概率方法的基礎(chǔ)是通過核密度函數(shù)對每個點集進行建模。通過引入適當(dāng)?shù)木嚯x函數(shù)來計算這些密度函數(shù)之間的差異。配準是在沒有明確建立匹配點對應(yīng)的情況下進行的。第八章點云濾波與分割請簡單說出什么是三維表面網(wǎng)格模型以及它的特點。三維表面網(wǎng)格模型是具有坐標(biāo)、方向、表面積和體積等信息的幾何表達方式，同時還可以包含紋理和語義等自然屬性，能夠作為綜合型數(shù)字表達模型。具有良好的表達性能的三維模型，不但要能展示目標(biāo)場景的幾何關(guān)系和外觀渲染，還要能適應(yīng)快速有效的數(shù)據(jù)存儲、查詢、修改以及人工交互等操作，譬如能夠適應(yīng)網(wǎng)絡(luò)媒介快速傳播的特點，并能在客戶端交互式地進行可視化顯示。這些需求都對模型的幾何精度和結(jié)構(gòu)緊湊度提出了比較高的要求。此外，數(shù)字化的三維模型要展現(xiàn)出逼真的光源效果，需要對表面材質(zhì)、燈光、視角、紋理顏色等多種要素進行組合設(shè)計。根據(jù)算法的基本原理，建模算法可以分類哪幾類。根據(jù)算法的基本原理，可以分為計算幾何建模、隱式表面重建和先導(dǎo)模式化建模(PatternPrior)等。第一類算法是直接計算幾何建模算法，也稱為顯式建模算法，包括計算凸包(ConvexHulls)、計算狄洛尼三角剖分(DelaunayTriangulation)和計算阿爾法形狀(a-shape)等代表性算法。第二類是隱式建模算法，這類算法假設(shè)采樣點云中隱含一種能夠近似表達幾何表面模