双目摄像技术分析--突破光学与尺寸的极限

的预测的轮廓边缘碎片的长度。这在摄像机框架下是旋转平移不变性的，这是个好事，但是随缩放因子变化，但未必是坏事。通常允许图像边缘点知在他们方向与对应的模型边缘方向相近时贡献评价分值。这个原则是对边缘点描述越详细，人们更容易知道它是否来自该物体。

在线段中包含不可见的轮廓可不是个好主意，因此，渲染需要删除隐藏的线。由于轮廓内边缘在差的光照条件下可能对比度低，所以使用了轮廓。这意味着轮廓的缺失表现的是光照的条件而非物体的存在性。

　
边缘存在性检验可能很不可靠，甚至方向信息也不能真正解决该难题。当我们投影一个模型边界到一个图像时，轮廓附近的边缘的缺失是一个模型不存在于此的可靠的信号。但是轮廓附近存在边缘却不是关于模型存在于此的可靠的信号（钓寒江雪翻译）。例如，在纹理区域，有很多边缘点组合在一起，这意味着，多纹理区域中，每个模型的每个位姿都可能会得到高的检验评分值。注意即使评分考虑边缘方向也无济于事。

我们能够调整边缘检测器来重度平滑纹理强度，以期纹理区域的消失。这是个危险的规避方法，因为这常常会影响对比度灵敏度，从而也会导致物体消失。然而，这个方法在可接受的程度下有效果，被广泛地应用。

参考文献：

COMPUTER VISIONA MODERN APPROACHsecond editionDavid A. Forsyth
University of Illinois at Urbana-ChampaignJean PonceEcole Normale Supérieure

与非网原创内容，谢绝转载！