在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis.
目录
一. 历史由来
二. Bundle Adjustment到底是什么？
平差也就正好表述了为什么
2021-03-17 11:26:03
139KB
1
利用状态表和有限自动机的运行原理编写和设计程序，判断输入的自动机是DFA还是NFA，如果是NFA，利用子集法将其确定化，然后利用求同法或求异法将所得的DFA最小化。
2021-03-15 13:13:47
3KB
1
分析了支持向量的性质和增量学习过程，提出了一种新的增量学习算法，舍弃了对最终分类无用的样本，在保证测试精度的同时减少了训练时间。最后的数值实验和应用实例说明该算法是可行、有效的。
2021-03-15 11:00:48
49KB
1
编译原理实验，模拟实现DFA状态的最小化，c++语言实现，界面用MFC实现。内有源码一份，实验报告一份。源码无错误，报告详细
2021-03-10 15:22:40
15.78MB
1
2020国赛B题论文，穿越沙漠问题，包含全部小题的建模以及答案。考虑一种穿越沙漠的游戏，玩家要在限定的时间内，遵循一定的规则从起点 走到终点，并且希望到达终点时手头的资金尽可能得多。我们需要求解一种策略， 来帮助玩家，面对一些常见的情况，能够尽可能做出更优的决策。
2021-03-09 18:13:00
980KB
1
从一组校准的2D多视图图像中准确地重建3D几何形状是一种积极而有效的方法计算机视觉中具有挑战性的任务。 现有的多视图立体声方法通常在恢复方面表现不佳深凹且突出的结构，并且会遇到一些常见问题，例如收敛速度慢，对初始条件的敏感性以及对内存的高要求。 为了解决这些问题，我们建议广义重投影误差最小化的两阶段优化方法（TwGREM），其中提出了一种广义的重投影误差框架，以将立体和轮廓提示整合到一个统一的能量中功能。 为了使函数最小化，我们首先在3D体积网格上引入凸松弛可以使用变量拆分和Chambolle投影有效解决。 然后，得到的表面是参数化为三角形网格并使用表面演化进行精炼以获得高质量的3D重建。 我们使用几种最先进方法进行的比较实验表明，TwGREM的性能基于3D的重建在准确性和效率方面是最高的，尤其是对于具有光滑的纹理和稀疏的视点
2021-03-02 16:07:08
1.24MB
1