使用亮度或照片一致性的概念，我們可以區(qū)分出在表面上的點(diǎn)和不在表面上的點(diǎn)。我們需要做的是讓機(jī)器在三維空間中計(jì)算一個(gè)表面，使得表面的所有點(diǎn)都最大程度地保持照片一致性。

像素為圖片元素，體素為體積元素。

我們發(fā)現(xiàn)可以利用凸優(yōu)化方法有效地計(jì)算出最優(yōu)重建。想象或描述可以重建的空間，比如你徒步旅行的風(fēng)景，其中風(fēng)景中的每一個(gè)點(diǎn)對應(yīng)一個(gè)三維重建。假設(shè)我們根據(jù)該點(diǎn)的海拔高度對重建的誤差進(jìn)行編碼，然后找到最佳重建就像找到該景觀中的最低點(diǎn)。如果這里的風(fēng)景像阿爾卑斯山一樣，那么你必須真正四處游蕩，直到確定找到最低點(diǎn)。但神奇地是，如果景觀是凸面的，你可以輕松找到最低點(diǎn)。只需沿著山坡走下去，直到走不下去為止。

同樣的是，機(jī)器可以通過最小化凸的損失函數(shù)來有效地計(jì)算最優(yōu)重建（可證明最優(yōu)）。通過這種方式，你可以重建整個(gè)行為。

在1913年，奧地利數(shù)學(xué)家歐文·庫珀證明了如果你拍攝兩張照片并考慮五個(gè)對應(yīng)點(diǎn)，比如這張照片中的教堂塔樓，以及其它教學(xué)塔樓等等，那么就可以重構(gòu)出相機(jī)的相對運(yùn)動(dòng)以及這些點(diǎn)的三維位置。

而這種先提取點(diǎn)，計(jì)算點(diǎn)之間的對應(yīng)關(guān)系，進(jìn)而解決SLAM問題的策略并不會(huì)得到最好的重建結(jié)果。這是因?yàn)橄鄼C(jī)并不觀察點(diǎn)，而是觀察顏色或亮度值。一旦你提取了一些點(diǎn)，你會(huì)在第一步漏掉有價(jià)值的亮度信息，在第二步計(jì)算對應(yīng)關(guān)系時(shí)，就會(huì)在分配對應(yīng)點(diǎn)時(shí)出現(xiàn)誤差，并會(huì)影響到物體重建中，降低性能。

2014年，我們找到了解決這個(gè)問題的方法。我們的方法可以直接從相機(jī)的亮度值實(shí)時(shí)解決大規(guī)模的SLAM問題。我們發(fā)現(xiàn)相機(jī)的運(yùn)動(dòng)和三維結(jié)構(gòu)能夠使得圖像的顏色一致，如果我們將這些亮度投射到世界中，并投射到其它相機(jī)中，它們是一致的。這帶來了前所未有的性能和精度。這種大規(guī)模直接點(diǎn)SLAM算法稱為LSD-SLAM，已經(jīng)成為迄今為止最流行的SLAM方法之一。

因此，我們創(chuàng)建了一家公司，目的是提高算法及其性能。融合其它傳感器的信息，比如相機(jī)、慣導(dǎo)、輪速計(jì)和GPS。

總結(jié)

以上是生活随笔為你收集整理的Daniel Cremers TED演讲的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。