Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

关于法向量细化中一些问题 #37

Open
Rick-960123 opened this issue Oct 23, 2024 · 5 comments
Open

关于法向量细化中一些问题 #37

Rick-960123 opened this issue Oct 23, 2024 · 5 comments

Comments

@Rick-960123
Copy link

郑博:
非常感谢您的开源工作。请问,M向量中的p是体素内各个点的均值吗
屏幕截图 2024-10-23 113941

@Rick-960123
Copy link
Author

屏幕截图 2024-10-23 114526
我注意到论文中p是指体素内各点的位置,请问在优化M时的初值p该如何选取

@xuankuzcr
Copy link
Member

^{I_r}{\mathbf p}是图像patch的中心像素在reference frame下的3d坐标,不需要优化,是一个已知量。

@0ontheroad
Copy link

郑博,您好,这里我也有一些疑问,文中提到fast-livo1的图象块不同像素都假设使用了同一深度,这可能在深度点投影的时候造成一定的误差,而fast-livo2尝试解决这个问题,但是文中提到只是利用光度残差优化了平面的法向量,并没有赋予图象块的不同像素各自的深度,所以文章力求解决这一问题的点体现在哪里?

@xuankuzcr
Copy link
Member

xuankuzcr commented Oct 24, 2024

文章大量篇幅都在讲这个,详见Section V.A、V.E、VII.B以及正文和支撑材料中的消融实验。简单来说,livo2在生成视觉地图点时选择了平面上的点,因此可以认为其挂载的图像patch位于某个surfel上,投影时便能通过平面进行仿射变换,精度提升显著。
第一个图是livo1中深度一致假设投影的结果,第二个图是livo2中平面假设投影的结果。
572_0_depth
572_0_normal

@0ontheroad
Copy link

文章大量篇幅都在讲这个,详见Section V.A、V.E、VII.B以及正文和支撑材料中的消融实验。简单来说,livo2在生成视觉地图点时选择了平面上的点,因此可以认为其挂载的图像patch位于某个surfel上,投影时便能通过平面进行仿射变换,精度提升显著。 第一个图是livo1中深度一致假设投影的结果,第二个图是livo2中平面假设投影的结果。 572_0_depth 572_0_normal

明白了,感谢郑博的指导!!

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
None yet
Development

No branches or pull requests

3 participants