The estimation of dense 3D point cl

The estimation of dense 3D point clouds from image sequences
is discussed by Pollefeys et al. [Pollefeys et al.
2000] and Brown et al. [Brown et al. 2003]. The geometrical
theory of these methods relies on being able to solve
the reconstruction problem. From corresponding points
the relative orientation can be estimated and 3D points
are extracted. These procedure is applied to many pixels
within stereo or multiview images which results in dense
3D point clouds.

ผลลัพธ์ (ไทย) 1:

การประเมินความหนาแน่นสูง 3D ชี้เมฆจากลำดับภาพจะกล่าวถึงโดย Pollefeys et al. [Pollefeys et al2000] และน้ำตาลร้อยเอ็ด al. [สีน้ำตาลร้อยเอ็ด al. 2003] ที่ geometricalทฤษฎีของวิธีการเหล่านี้อาศัยความสามารถในการแก้ปัญหาฟื้นฟูปัญหาการ จากจุดที่สอดคล้องกันปฐมนิเทศญาติได้คะแนนประเมิน และ 3Dที่สกัด ขั้นตอนเหล่านี้กับพิกเซลจำนวนมากภายในภาพสเตอริโอ หรือ multiview ซึ่งผลในหนาแน่นจุด 3D เมฆ

ผลลัพธ์ (ไทย) 2:

การประมาณค่าของเมฆจุด 3D หนาแน่นจากการลำดับภาพที่
ถูกกล่าวถึงโดย Pollefeys และคณะ [Pollefeys et al.
2000] และบราวน์และคณะ [บราวน์และคณะ 2003] เรขาคณิต
ทฤษฎีของวิธีการเหล่านี้ขึ้นอยู่กับความสามารถในการแก้
ปัญหาฟื้นฟู จากจุดที่สอดคล้อง
ทิศทางญาติสามารถประมาณและจุด 3D
จะถูกดึงออก ขั้นตอนเหล่านี้จะนำไปใช้จำนวนพิกเซล
ภายในภาพสเตอริโอหรือ MultiView ซึ่งส่งผลให้ความหนาแน่น
เมฆจุด 3D

ผลลัพธ์ (ไทย) 3:

การประมาณจุด 3D เมฆหนาแน่นจากลำดับภาพ
กล่าวถึงโดย pollefeys et al . [ pollefeys et al .
2 ] และสีน้ำตาล et al . [ สีน้ำตาล et al . 2546 ] ในเรขาคณิต
ทฤษฎีของวิธีการเหล่านี้ ต้องอาศัยความสามารถในการแก้ไขฟื้นฟูปัญหา
. จากจุดที่สอดคล้องกัน
ปฐมนิเทศญาติ สามารถประเมินและ
จุด 3D จะถูกแยก ขั้นตอนเหล่านี้ใช้กับหลายพิกเซล
ภายในภาพสเตอริโอหรือ multiview ซึ่งผลลัพธ์ในหนาแน่น
3 จุดเมฆ