1. Final-project 資科碩二 96753015 蔡瑞陽 Furukawa, Y. and Ponce, J. “ Accurate, Dense, and Robust Multi-View Stereopsis ” IEEE Conference on Computer Vision and Pattern

2. Context  摘要  步驟  研究方法  實驗成果  結論

3. 摘要  我們希望能以實際拍攝的照片，找出大量的 對應點投影並做建模，自動化地產生該地圖 上建築物的三維模型  本研究著重在特徵點的萃取，經多種方式過 濾後，更準確地萃取出密集的影像對應點， 建構出更完美的三維模型

4. 步驟 一、從拍攝來的照片找稀疏對應點並做三維貼 片的初始建構 二、透過擴展的方法找到更密集的對應點 三、進一步將 outlier 做過濾和清除

5. 研究方法  在第一張影像中的特徵點 m1 透過基礎矩陣 (Fundamental matrix) ，在 Im2 上畫出一 條極線 (epipolar line)(Fm1)  在最佳的情況下對應點 m2 會在極線上，我 們可以透過點與線的距離來衡量這組對應點 的好壞 m1m1 Im1 m2m2 m3m3 m4m4 Fm1 Im2

7. Projection Matrix  x, x ’ : 二維影像上的特徵點  P, P ’ : 兩張影像上的投影矩陣 (projection matrix)  X: 三維空間中的座標 R. Hartley and A. Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, 2003

8.  貼片 (patch) 以 c(p) 為中心、 n(p) 為 法向量的方形小區域， 所有小貼片組合起來 即是整個模型的表面

9.  將 reference image R(p) 上的特徵點 F 周 圍 5*5 的範圍和相機中心連線，和空間中三 維點算出的平面相交，即可得空間中的貼片  經過投影矩陣投影回 Im2 上，比較投影點和 原來 R(p) 上點的 ZNCC 值，選出相似度最高 的法向量所成的貼片

10. 示意圖 C p F F’ Im2 R(p) patch Img1 Img2 Img3

11. 實驗成果 Camera center feature intersection  使用軟體 :Matlab

12. feature Project point Reference imagesecond image 原圖

13. Poisson Surface Reconstruction initial feature matching Reconstructed patches

14. 結論  可以用其他影像處理的方式來檢驗實驗成果 是否準確，例如影像金字塔，把三維坐標投 影到二維平面上後，比較每一個階層投影點 的投影位置，算出每個投影點和實際物體的 最短距離來做準確度的評估

15. Thank you for your attention!