Multi-View Stereo(MVS)多视图立体匹配与三维重建的任务是：以已知内外参数的多幅图像(SfM的结果)为输入，重建出真实世界中物体/场景的三维模型。

本文作者提出了PMVS的经典算法，深入了解传统算法的实现效果，可以帮助我们与基于深度学习的方法进行对比，对“如何评估多个视图间相似性”这一问题有更深刻的认识，希望能对相关研究人员有一定的参考帮助。

论文题目：Accurate, Dense, and Robust Multiview Stereopsis

论文地址：

https://ieeexplore.ieee.org/document/5226635

代码地址：

https://github.com/pmoulon/CMVS-PMVS

该论文提出的方法可以分解为三个主要的部分：1. 重建出若干可以完整覆盖目标物体/场景的面片；2. 将面片模型转换为多边形渔网模型；3. 优化多边形渔网模型。这里重点分析文中提出的“匹配-扩张-剔除”策略，这也是PMVS算法的核心内容。

算法流程

算法效果如下图所示，从左到右依次为输入图像(不同角度共48张)，特征点提取，特征匹配结果，扩张剔除迭代3次后效果，转换为网状模型效果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除