主动视觉为融合上述两种方法的优点,并克服其缺点提供了相应的解决途径。 首先,采用多观察点解决对应问题。实际上,对于 Lamber表面,正如前面第五章 表明的那样,采用三个摄象杋就能解决大多数对应模糊的问题,稳定性和可靠性 也得到了改善,但多视点并没有使我们逃脱非线性最优化问题。对于这一类多变 量非线性问题,好的初始估计是最终收敛于全局最优的重要条件。采用主动方法 处理从阴影恢复形状问题的关键是将基于长、短基线的方法相融合,通过短基线 方法提供初始估计指导长基线方法的优化。 基于主动视觉的从阴影恢复形状包括以下两个阶段: 短基线阶段。在这个阶段,可以取相邻的图象帧作为短基线图象对。由于 问题在这里可以近似是线性的,因而容易求解,为深度和表面方向提供了初始估计 值 2.长基线阶段。利用初始估计得到精确的结果 从这种方法中可以看到,我们能独立地在单点上恢复可见物体的几何形状,而不需 要前面所提及的假设和基于整个物体上的优化,因此,尽管数据量巨大,但工作比 以前要容易得多,所有一切都是稳定的并且允许噪声的存在。主动视觉为融合上述两种方法的优点，并克服其缺点提供了相应的解决途径。 首先，采用多观察点解决对应问题。实际上，对于Lamber表面，正如前面第五章 表明的那样，采用三个摄象机就能解决大多数对应模糊的问题，稳定性和可靠性 也得到了改善，但多视点并没有使我们逃脱非线性最优化问题。对于这一类多变 量非线性问题，好的初始估计是最终收敛于全局最优的重要条件。采用主动方法 处理从阴影恢复形状问题的关键是将基于长、短基线的方法相融合，通过短基线 方法提供初始估计指导长基线方法的优化。 基于主动视觉的从阴影恢复形状包括以下两个阶段： 1. 短基线阶段。在这个阶段，可以取相邻的图象帧作为短基线图象对。由于 问题在这里可以近似是线性的，因而容易求解，为深度和表面方向提供了初始估计 值。 2. 长基线阶段。利用初始估计得到精确的结果。 从这种方法中可以看到，我们能独立地在单点上恢复可见物体的几何形状，而不需 要前面所提及的假设和基于整个物体上的优化，因此，尽管数据量巨大，但工作比 以前要容易得多，所有一切都是稳定的并且允许噪声的存在