河海大学研究生在读的学习笔记

三维重建（二十三）——各种参数的测试（废案）

三维重建（二十二）——RTK的放入py3d的测试结果

三维重建（二十一）——第二步和第三步

三维重建（二十）——思路整理与第一步的进行

小测验——渲染结果放入模型之失败记录

小测验——根据调整好的参数进行批量输出

小测验——已经能利用数据集里面的相机外参调整后看到渲染图像

python代码——一些可视化和可交互中间产物的整理(代码与思考)

小测验——数据集中的相机参数与自己投影文件的格式对齐

碎片记录——python小结+相机参数适配结果

小测验——合并多个网格文件调用相机参数进行适配

三维重建（十九）——对齐npy里面的相机参数

三维重建（十八）——colmap的使用（粗浅）

pytorch3d学习（五）——批量输出图片+对渲染器的位姿解读+npy文件解读

pytorch3d学习（四）——批处理（实现多obj文件读取）

三维重建（十七）——obj文件解读+ply文件解读

小测验——对同一网格进行投影与反投影

小测验——根据内参计算一对RGB-D图像对应的点云

小测验——根据已有obj文件，自己写出网格投影至2d

视觉slam十四讲（四）——相机与图像

视觉slam十四讲（三）——李群和李代数

视觉slam十四讲（二）——三维空间刚体运动

三维重建（十六）——生成先验的使用

视觉slam十四讲（一）——前言与ch1-2

pytorch3d学习（三）——渲染纹理网格

pytorch3d学习（二）——安装与纹理显示demo测试

pytorch3d学习（一）——开始（架构概述、输入数据、相机坐标系、纹理渲染）

三维重建（十五）——多尺度（coarse-to-fine）

三维重建（论文）——记录

ubuntu22.04下Meshlab打开obj文件闪退——使用Appimage并放入收藏夹中

三维重建（十四）——快速A+B

铰接类

本文综述了多视角三维重建技术，涵盖静态和动态场景的重建方法。介绍了从图像获取到纹理映射的SFM流程，以及非刚性重建（NRSFM）的挑战和解决方案。重点探讨了基于可微渲染的重建方法，以及数据采集策略、相机标定和同步技术。文章还讨论了如何用单视角相机模拟多视角重建，总结了关键技术和未来研究方向。

三维重建（十二）——3D先验的使用

三维重建（零）——安装和作业（2DGS、GShell、colmap）

三维重建（十一）——变形场

三维重建（十）——论文部分的每章要点

三维重建（九）——如何完成一篇好文章

分网络和几何的监督项：输入的图像和渲染的图像进行相似、监督网络训练中，正则化(Regularization)是一种防止模型过拟合的重要技术。几何处理中(包括3DGS中心点的部分处理)，合适的正则化可以避免(减缓)发生碰撞、破碎、凹陷、孔洞等问题，在训练过程中，监督项收敛，但结果不合适时，要考虑是否有正则项能改善这一问题。可能在一个视角可以，但是其他视角不行；跟监督项时对抗的，但是可以在测试集上表现好。三维重建的测试集是，如果是几何，训练集是图片，测试集是几何。

GShell的代码解读