个人总结

申请博客之后，一直在修改论文，以及规划方向，没有时间写博客，以后要慢慢加油。今天就总结自己这么多年来研究的内容，思考未来能和互联网结合的地方。总的来说，我的研究涉及三维形状的建模、分析与展示。

1. 形状建模方面，包括基于多幅图像的三维重建，基于激光扫描仪的三维重建，以及基于RGBD深度相机的三维重建。

1.1 基于多幅图像的三维重建，针对无序多幅图像。首先通过Bundler标定获得相机的内外参数，其次使用PMVS算法，提取SIFT特征点，匹配，获得稀疏点云，扩展到稠密点云，进行优化得到最终结果。之后，使用Poisson重建三角化，在MeshLab中生成纹理得到最终重建结果。优点：快速方便，缺点：对图像要求高，在高光，纯色区域不起作用，另外SIFT计算耗时，后续的重建也极其耗时，需要大量的匹配及优化。

1.2 基于激光扫描仪的三维重建，主要是处理获取的单片三维数据，通过polyworks/Meshlab/Geomagic手动选点进行配准，之后进行融合获得单片网格模型数据。优点：数据精度高，缺点，设备昂贵。

1.3 基于RGBD相机的三维重建，主要是利用Kinect，使用PCL的KinFu程序，扫描形状获得深度数据。优点：方便，缺点：精度不高。

2. 形状分析方面，主要包括三维形状之间匹配关系的研究，且主要针对部分匹配。包括基于HKS的部分匹配方法，基于形状指数的部分匹配方法，以及基于PFH的部分匹配方法。研究了三维流形上的特征，主要包括传统的法向曲率等微分量，以及拉普拉斯贝尔特拉米算子、测地距离等内蕴量。在研究中用到的描述符有Surface normal, Gaussian curvature, Shape Index，Heat kernel signature, Point feature histogram, Spin Image, SHOT，Shape-DNA等，这些特征都有一定的区分能力，其中Gaussian curvature, HKS 以及 Shape-DNA是内蕴的，既等距无关。特征匹配的度量，主要依据特征向量之间的方差，余弦值或者互相关系数等。初始匹配结果的优化，使用欧氏距离一致性，或者测地距离一致性来解决。刚性配准使用Horn's Method，非刚性对应采用欧式空间嵌入的方法。

3. 形状展示方面，主要包括基于Unity3D引擎的一些工作，主要开发虚拟漫游系统，包括北京胡同漫游程序，通州古城漫游系统，拉萨漫游系统以及天体运行程序等。Unity3D今年来发展较快，上手容易，能够做一些跨平台的应用，结合现今流行的Oculus, HTC Vive能够开发很多VR系统。

 

可以看出，自己研究的内容太宽泛了，如果去科研机构工作的话，可以选择继续进行三维形状分析处理，如果去互联网工作的话，则需要选择形状的建模或者形状的展示。但是形状的展示依赖的是对于Unity3D引擎的熟练程度。形状的建模难度更大，之后可以对获得的三维点云进行处理和分析，并且对网格化的形状进行处理。因此，决定着力研究形状的建模以及后续的处理识别。首先在以前的基础上深入了解SFM以及MVS方法，以及后续的优化方法，点云的处理方法，物体的识别等，也要学习深度学习，这是进入互联网必须了解及熟悉的技能。