1 / 30

好孩子的 CV 教室 - 輕輕鬆鬆寫 CV 作業 2

好孩子的 CV 教室 - 輕輕鬆鬆寫 CV 作業 2. 3. 常見問題與解答. 為什麼有這份投影片呢 ?. 聽說助教好弱什麼都不會耶 … 聽說助教一天要睡滿 12 個小時不然會亂講話 … 老師說他同樣的東西講好幾遍為什麼還是有人要來把助教問倒 …. 助教要勞跑回台北了 ~. 目的. 搞定一些常見問題 + 投影片寫的比較不清楚的地方 ( 不過有補充也不一定會比較清楚 …) 證明其實助教是懂的 !!. Q0: 請問助教 , 作業 2 可以送分嗎 ?. A:…. 你想轉學去加拿大嗎 ?. Q1: 分數最後到底是怎麼分配呢 ?. DP:70%

alaina
Download Presentation

好孩子的 CV 教室 - 輕輕鬆鬆寫 CV 作業 2

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 好孩子的CV教室-輕輕鬆鬆寫CV作業2 3.常見問題與解答

  2. 為什麼有這份投影片呢? • 聽說助教好弱什麼都不會耶… • 聽說助教一天要睡滿12個小時不然會亂講話… • 老師說他同樣的東西講好幾遍為什麼還是有人要來把助教問倒…. • 助教要勞跑回台北了~

  3. 目的 • 搞定一些常見問題+投影片寫的比較不清楚的地方(不過有補充也不一定會比較清楚…) • 證明其實助教是懂的!!

  4. Q0:請問助教,作業2可以送分嗎? • A:….你想轉學去加拿大嗎?

  5. Q1:分數最後到底是怎麼分配呢? • DP:70% • 對圖1跟圖2這兩組圖, 利用DP還原出深度值, 之後輸出成obj檔. • 助教會視成果好壞跟報告的完整度適當的給與加分. • 拜託請至少做完這部份吧… • Essential Matrix:20% • 只要解出Essential Matrix就可以了嗎? • 想太多….

  6. Q1:分數最後到底是怎麼分配呢? • 這裡指的是如果你不想做Rectification, 那也可以只利用Essential Matrix去找出對應的Epipolar line, 再用(有點特別的)DP去找出兩張圖間的對應點, 再用講義上的公式or 向量交點 or 其他做法去還原出深度值…打都覺得好麻煩 = = • 一樣要輸出成obj檔… • Rectification:20% • 只要把兩張圖的epipolar line轉成平行, 就可以直接用簡單的DP去找對應點還原深度值喔~

  7. Q2:所以我如果目標想拿110分的話…? • 你要用兩種方法(不rectification下的2-view approach, 跟rectification後的簡單的DP)各做一次還原圖3,圖4的座標值. • …..加油 ._./

  8. Q3: 可是…第三組圖好像本來就已經是平行view了耶… • 哈哈哈…. • 那是助教放錯故意放的!! 這樣你們就可以看到平行view的時候R跟T應該會是什麼值了, 可以用來檢查你RT算的對不對! (有人會相信嗎…) • 所以後面的兩個20% 主要是看第四張圖的成果喔~

  9. Q4:請問助教, DP時如果p跟q的disparity =0該怎麼辦? • 你算錯了(一秒) • 正常來說兩對應點不可能disparity =0 (why?想一下兩個平行的view去看同個場景, 會有任何一個3D點投在兩個view的同個位子上嗎?) • 真的DP出來這樣就給個1之類的吧 = =

  10. Q5: 可以請助教講解一下不Rectification的做法嗎? • 老師投影片中Ch8_2其實就是詳細做法了… • 照著步驟一步一步做就好: • P7. 用8-point algorithm去找出Essential Matrix.(PS: 8-point是騙人的 = = 要有好結果請多找幾個….來個60個以上吧XD) • 先用肉眼找出兩張圖之間夠多組的對應點(左邊的(20,40)對右邊的(50,100)之類的…),然後代入P7的uv去算出E.

  11. Q5: 可以請助教講解一下不Rectification的做法嗎?-2 • P8:因為E’T=0 (why? 因為E=TxR其中Tx是T的cross product form, 所以E’T相當於T跟T自己cross 所以=0,請看P8中間小藍框), 所以這裡用least-square的方法取出最接近的一個T值(定T長度=1). • T可視為兩個Viewpoint間連線的方向, 所以會有方向性(正負號).

  12. Q5: 可以請助教講解一下不Rectification的做法嗎?-3 • P9.因為E=TxR所以有了T就可以用來反算出R, 投影片上是已經把T cross 拆開的型式所以請直接代入就可以了.(E1,E2,E3在前一頁中間小藍框) • P10.跳過.請自我摧眠當作不會有noise存在~這世界是美好的.

  13. Q5: 可以請助教講解一下不Rectification的做法嗎?-4 • P11. 判斷T的正負號(方向).不過因為T的兩個方向表示從左圖移動到右圖 or 從右圖移動到左圖, 所以其實這判斷用眼睛看值比較快… • Xi跟Xi’是兩組對應點(u,v,1)跟(u’,v’,1)這樣. • 到這邊就把RT都算出來了~ • 接下來要先跳開回到epipolar line的地方.

  14. Q5 : 可以請助教講解一下不Rectification的做法嗎?-5 • 因為已知 ,我們用這個來找出對應的epipolar line(記得嗎? DP是用來找epipolarline上的對應點)

  15. Q5 : 可以請助教講解一下不Rectification的做法嗎?-5 • 考慮左圖中所有的pixel(x,y)直到所有點都有被運算到(有被給與一個深度值)為止: • 算出E*p=E*(x,y,1)(的transpose),會得到一個3*1的向量. • 考慮右圖中所有的pixel(u,v) 如果(u,v,1) *Ep=0(接近0啦..)表示(u,v)會存在於(x,y)對應的epipolar line上,如此會找到右圖上一條線. • 右圖是用圖上的點2,點 12,點13所找到的3條epi- polar line.

  16. Q5 : 可以請助教講解一下不Rectification的做法嗎?-6 • 之後對右圖的epipolarline上的隨便一點P’(u’,v’,1), 我們反過來考慮左圖: 先算(u’,v’,1)*E得到3*1向量, 再把左圖中所有的P(x’,y’)寫成(x’,y’,1)(的transpose),去算P’EP, P’EP=0(或很小)的所有點也會連成一條直線—這就是左圖和右圖間的對應的epipolar line.

  17. Q5 : 可以請助教講解一下不Rectification的做法嗎?-7 • 之後我們就可以把兩條對應的epipolar line的pixel(或window)排成M*N矩陣去算DP了.如此會找到左圖該線上每個點在右圖上的對應點…之後呢? • 套用P12的公式, Xi跟Xi’是對應點,R是R matrix, T0就是T, 算出來的Zi跟Zi’表示對兩個不同view point而言的深度…選一邊做obj檔就可以了.

  18. Q5 : 可以請助教講解一下不Rectification的做法嗎?-8 • 這公式因為左圖的(x,y,1)對應空間中(xz,yz,z)這個點(在左圖的座標軸表示),而同個點在右圖中是(uz’,vz’,z’), 而這兩個可以用R跟T轉換, 導一導出來的結果…所以就直接代吧. • 也是有其他方法可以算深度值啦…不要問我,我不會= =

  19. Q5 : 可以請助教講解一下不Rectification的做法嗎?-9 • 幾個重點: • Essential Matrix:用來找出Epipolar line. • DP:兩條對應的Epipolar line間點與點的對應. • RT:最後要還原深度值的時候會用到. • 連打都覺得手酸…

  20. Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做?Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做? • 就…轉呀= = • 投影片上的敘述在Ch9的P62~66. • 不過以下我要介紹的是老師上課時說的另外一種方法(座標軸轉換)

  21. Q6a:助教不管人家想照投影片上的做啦~Q__Q • 那我講解一下投影片… • P64:目標是把影像轉到與epipole平行: • 1.找到epipole e(F對應最小eigenvalue的eigenvector, 其實也是兩個viewpoint間的連線方向) • 2.找到一個和epipole垂直的向量(講義上的d0, 其實只要跟e垂直就好, 湊出來的) • 3.那個很醜的矩陣是以d0為軸旋轉 角(不懂就去goo”rotate matrix wiki”) 而

  22. Q6a:助教不管人家想照投影片上的做啦~Q__Q-2 • 以上完成對左圖的旋轉矩陣W0. • P65: 接下來是把epipolar line轉平行, 相當於把 轉成[1 0 0](的transpose). 就照著代入就可以了. • P66: 最後要把兩張圖的座標長度scale到一樣, 照上面公式乘出 後會得到a,b,c三個值, 排成像T那樣子再乘就可以得到對右圖的旋轉矩陣W1了.

  23. Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做?-2Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做?-2 • 殊途同歸, 其實做起來會很像… • 我們取T=[e0 e1 e2]當做新座標軸的x軸, 找到跟他垂直的新Y軸跟新Z軸:

  24. Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做?-2Q6:助教我放棄第二題了,請告訴我轉圖該怎麼做?-2 • 構成的Rrect就會是座標軸轉換的矩陣,直接就是W0了. • 而這時W1 = T*R*W0, R T跟P65 P66的RT一樣, 用來做轉epipole/scale的. • 如此也可以做到轉圖的效果喔~ • W1有其他算法…請參考後面列的參考資料 = =+

  25. Q7:我做起來效果不好耶… • 有幾個可能: • DP的部份… • 1.Occ設太大或太小,這跟cost function有關, 多調幾個值看看吧. • 2.window size太小,突出的雜點會很多. • 3.找不到對應點的情況(找不到? 隨便給個深度呀! 跟隔壁點的深度一樣之類的就可以了) • 4.寫錯. 自己debug… • 5.B的值給太大: 如果B照實際給的話, 最後obj檔的深度會很大,看起來會變一長條, 所以B如果給小一點, 會讓obj檔比較好看一點點…

  26. Q7:我做起來效果不好耶…-2 • Essential Matrix/Rectification的部份: • 1.試看看把座標normalize(或者不要normalize, 都有會比較好或比較差的情況) • 2.一開始的Essential Matrix就算錯了(節哀) • 3.找出來的epipolar line差很多->請看2. • 4.多找幾個點有好沒壞… • 5.就算RT沒有很準也可以做啦…效果比較不好而已.(有人做過之後跟我說的, 不正確請打他) • 6.轉圖有黑點.請用inverse mapping(不是把x,y轉到新的x’,y’,而是對x’,y’的位置去原圖找一個pixel的顏色填上去)

  27. Q8:那報告裡面要寫些什麼呢? • 你做這次作業的心酸血淚史…寫到讓我哭的會加分 Q__Q • 心得和做法敘述當然一定要的啦~ 有什麼特別的做法也請一起寫進去. • 請附上obj檔 + 每組圖一張深度圖的影像 (像這個樣子)

  28. Q8:我如果只做了其中一部份怎麼辦…QQ • 助教會斟酌給分的. • 有算Essential Matrix +3, 有解出RT +5, 有算Epipolar Line+2之類的… • 當然這種時候就要看報告寫的認不認真啦…

  29. Q9:助教作業可不可以延期Q__Q • 當然不行!! • 嘛…不過因為我Server大概禮拜天才會關….所以禮拜天晚上12點以前交的我都當做是準時交喔~ • 也就是延到禮拜天啦 如果你們還想做的話= =

  30. 參考資料 • http://www.cse.huji.ac.il/course/2006/compvis/lectures/Rectification-Stereo.pdf (RT不是只有投影片那種解法, 用SVD也可以...) • http://www.et.byu.edu/groups/ece631web/Lectures/ECEn631%2014%20-%20Epipolar%20Geometry.ppt (同上,SVD解) • http://www.et.byu.edu/groups/ece631web/Lectures/ECEn631%2016%20-%20Image%20Rectification.ppt (rectification的轉座標軸法) • Wiki • Google

More Related