在通用機械設(shè)計領(lǐng)域，繪制零件工程圖，裝配工程圖，總裝圖等平面圖紙的需求必不可少，而總裝圖在生產(chǎn)的組裝環(huán)節(jié)中，運用最為廣泛。使用總裝圖中，最常見的有零件的序號標注，BOM表，等重要信息。序號標注一般只顯示ID的序號，查看零件名稱等信息，需要在BOM表格里查找序號標注相對應(yīng)的ID號，在查看相應(yīng)的信息。

想要一眼直觀的在序號ID旁邊看到相應(yīng)零件名稱信息，則需要用文字的方式在序號標注的ID旁添加BOM里描述的信息，傳統(tǒng)方法添加的字符屬性不帶關(guān)聯(lián)性，且寫入修改也比較麻煩。中望3D2017最新版本針對于這種場景的這一問題，提供了表格數(shù)據(jù)鏈接到文本這一功能，字符數(shù)據(jù)直接從表格里提取，表里的數(shù)據(jù)字符發(fā)生改變，則相應(yīng)的文本也會發(fā)生改變，使工程師能夠提高工作效率。

現(xiàn)以上面總裝圖為例，給大家介紹一下表格數(shù)據(jù)鏈接到文本的應(yīng)用。

1、選擇文字命令，選擇好文字位置，輸入的文字選擇在編輯器里選擇鏈接到單元表命令。

2、在使用鏈接到單元表格命令后，只需要在要鏈接的表格里點擊左鍵就可以選擇表

格里的字符數(shù)據(jù)鏈接到文本了，也可以選擇整列和整行、或是全選。

3、表格文字就直接鏈接到文本了。

4、依次完成所有文本的添加。

中望3D的表格單元格式鏈接到文本功能，可以快速的在文本里提取相關(guān)信息，不止是BOM表可以，其他表格如：孔表、電極表、焊件切割表等這些表格單元都支持鏈接到文本功能。

想了解中望３Ｄ更多實用的新功能，請到中望官網(wǎng)下載試用吧！

原標題：CCCV2017講習(xí)班筆記-基于圖像的大規(guī)模場景三維重建（上）

雷鋒網(wǎng)AI科技評論按，本文作者究竟灰，本文首發(fā)于知乎，雷鋒網(wǎng)AI科技評論獲其授權(quán)轉(zhuǎn)載。

今天去CCCV2017講習(xí)班聽了中科院自動化所模式識別國重實驗室的申抒含老師和崔海楠老師的關(guān)于基于凸顯的大規(guī)模場景三維重建的講習(xí)班，把筆記整理了一下。（本文為上篇，內(nèi)容為第一章：簡介和第二章：稀疏重建。）

<imgdata-rawheight="2305"src="https://static.leiphone.com/uploads/new/article/pic/201711/54ceb03759beacf16cbe254399c3f0f8.jpg"data-rawwidth="2807"class="origin_imagezh-lightbox-thumb"width="2807"data-original="http://p0.ifengimg.com/pmop/2017/1105/D9627022210A9FADEC9AB455C3B2B03A6A3BCF6B_size821_w2807_h2305.jpeg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/54ceb03759beacf16cbe254399c3f0f8.jpg"/>

主要分為四點展開：

簡介稀疏重建sfm稠密重建mvs資源

1.簡介

首先講了現(xiàn)在cv與類腦。

<imgdata-rawheight="745"src="https://static.leiphone.com/uploads/new/article/pic/201711/c1b107af8fac89261fd6b489bf03397d.jpg"data-rawwidth="979"class="origin_imagezh-lightbox-thumb"width="979"data-original="https://pic1.zhimg.com/v2-01d9fd0743616b209d01985d992765f4_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/c1b107af8fac89261fd6b489bf03397d.jpg"/>

腦的腹部通道進行物體視覺，現(xiàn)在CV上主要采用基于學(xué)習(xí)的方法。腦的背部通道進行空間視覺，現(xiàn)在CV上主要采用基于幾何的方法。最后上述兩者信息在前額匯集，綜合處理。

接著講了幾何視覺的核心問題：主要是機器人在三維環(huán)境中需要：

對二維圖像理解對三維環(huán)境感知

而三維結(jié)構(gòu)和相機的六自由度空間位姿是機器人感知決策動作的基礎(chǔ)信息。

<imgdata-rawheight="784"src="https://static.leiphone.com/uploads/new/article/pic/201711/72c401fed6d09fdcb5c66f3807ebd361.jpg"data-rawwidth="1000"class="origin_imagezh-lightbox-thumb"width="1000"data-original="https://pic1.zhimg.com/v2-4a86433a54170c6b688716ceb5089850_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/72c401fed6d09fdcb5c66f3807ebd361.jpg"/>

接著講了圖像三維重建的基本流程：

<imgdata-rawheight="767"src="https://static.leiphone.com/uploads/new/article/pic/201711/4a0b32f9f18c5a0c3f29a1b1c33df4df.jpg"data-rawwidth="1000"class="origin_imagezh-lightbox-thumb"width="1000"data-original="https://pic4.zhimg.com/v2-b274f27a55d58e52cfdaf0188ffc92db_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/4a0b32f9f18c5a0c3f29a1b1c33df4df.jpg"/>

基本流程包括：

多視角圖像圖像特征提取匹配稀疏重建Sfm稠密重建MVS點云模型化生成三維模型

然后科普了一下一些基礎(chǔ)知識：

小孔成像：世界中的一個點經(jīng)過小孔在圖像平面上會形成一個倒立縮小的像。這就形成了幾何相似三角形關(guān)系。如果我們把成像平面放到前面來，就是正立縮小的像。具體的焦距、圖像片面，相機中心什么就不贅述了。右下角公式表示通過一個相似性（比例）可以建立圖像坐標系和世界坐標系的關(guān)系。

<imgdata-rawheight="1805"src="https://static.leiphone.com/uploads/new/article/pic/201711/282d5e0cac607e60298f37f3ee33ae77.jpg"data-rawwidth="2393"class="origin_imagezh-lightbox-thumb"width="2393"data-original="https://pic4.zhimg.com/v2-ffe63c86b93a1ac0219f0f6c4e8cdb2f_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/282d5e0cac607e60298f37f3ee33ae77.jpg"/>

然后說到了無窮遠元素。它們用現(xiàn)在的xyz方法沒辦法表示。

<imgdata-rawheight="2097"src="https://static.leiphone.com/uploads/new/article/pic/201711/e7652aa72ed051dfa8ecbd22cc5becdc.jpg"data-rawwidth="2801"class="origin_imagezh-lightbox-thumb"width="2801"data-original="https://pic3.zhimg.com/v2-15ef121536766dc469b8311b27de139e_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/e7652aa72ed051dfa8ecbd22cc5becdc.jpg"/>

于是提出了射影空間，齊次坐標是射影空間的坐標表達方式：一般的坐標在xyz后面加一個1，無窮遠點最后一個為0.

<imgdata-rawheight="664"src="https://static.leiphone.com/uploads/new/article/pic/201711/86f825a6215ff2ae45399b829f08d702.jpg"data-rawwidth="882"class="origin_imagezh-lightbox-thumb"width="882"data-original="https://pic4.zhimg.com/v2-e0f41535e38b8752254849e7bbef80b3_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/86f825a6215ff2ae45399b829f08d702.jpg"/>

當(dāng)然齊次非齊次的坐標轉(zhuǎn)換通過除以最后一個來實現(xiàn)。

這里有一個等價關(guān)系，即當(dāng)非齊次坐標通過除以一個值之后變成齊次而與一個已經(jīng)存在的齊次坐標相等時為：齊次坐標在相差一個尺度時的等價。

<imgdata-rawheight="675"src="https://static.leiphone.com/uploads/new/article/pic/201711/39c3d0169151b38eea41304bb78c212f.jpg"data-rawwidth="871"class="origin_imagezh-lightbox-thumb"width="871"data-original="https://pic3.zhimg.com/v2-b905f7bfcbb3fbdcb9fd0d20da4eaef2_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/39c3d0169151b38eea41304bb78c212f.jpg"/>

那么小孔成像模型可以表達出來。

為焦距，為主點：光心與相機平面的交點。

<imgdata-rawheight="588"src="https://static.leiphone.com/uploads/new/article/pic/201711/8de1681bc7aac2e388fd475e411f9b82.jpg"data-rawwidth="810"class="origin_imagezh-lightbox-thumb"width="810"data-original="https://pic1.zhimg.com/v2-795e622f5ad91088b543ed4267b05398_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/8de1681bc7aac2e388fd475e411f9b82.jpg"/>

接著介紹了相機坐標系和世界坐標系之間存在一個歐式坐標變換：

中間的矩陣由R轉(zhuǎn)移矩陣和t平移向量組成。

<imgdata-rawheight="608"src="https://static.leiphone.com/uploads/new/article/pic/201711/060a46c68075c9cf637b06642a679d77.jpg"data-rawwidth="838"class="origin_imagezh-lightbox-thumb"width="838"data-original="https://pic2.zhimg.com/v2-6bd8365211b250b315b882ae712b326d_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/060a46c68075c9cf637b06642a679d77.jpg"/>

把兩個式子寫到一起：

<imgdata-rawheight="740"src="https://static.leiphone.com/uploads/new/article/pic/201711/f69cff48e5eb0bfd9494c8f927481a60.jpg"data-rawwidth="975"class="origin_imagezh-lightbox-thumb"width="975"data-original="https://pic3.zhimg.com/v2-3a064a2177b711133d84dd40ea001c16_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/f69cff48e5eb0bfd9494c8f927481a60.jpg"/>

可以得到圖像點和空間點的關(guān)系。通過相機內(nèi)參數(shù)K、相機旋轉(zhuǎn)R和相機平移建立關(guān)系。

相機的內(nèi)參數(shù)由相機硬件決定，而旋轉(zhuǎn)平移由相機位姿決定。空間點是場景結(jié)構(gòu)點。

接著說了由單張圖是無法重建場景結(jié)構(gòu)的。

<imgdata-rawheight="680"src="https://static.leiphone.com/uploads/new/article/pic/201711/db61d6dc6de7d62aba2c24b9e07335d1.jpg"data-rawwidth="996"class="origin_imagezh-lightbox-thumb"width="996"data-original="https://pic2.zhimg.com/v2-c1c3a160772df2e391454fd2100df795_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/db61d6dc6de7d62aba2c24b9e07335d1.jpg"/>

于是引出了多視圖幾何

<imgdata-rawheight="439"src="https://static.leiphone.com/uploads/new/article/pic/201711/bc79bb14ce9a62c0dc98b2fbdff6144f.jpg"data-rawwidth="593"class="origin_imagezh-lightbox-thumb"width="593"data-original="https://pic1.zhimg.com/v2-d8ee050d89eef452f92be855a75a7a1c_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/bc79bb14ce9a62c0dc98b2fbdff6144f.jpg"/>

然后說求解思路：最小化重投影誤差平方和

其中

即空間點X通過之前說的坐標變換（左乘P投影到圖像平面上）與圖像平面上的x可以產(chǎn)生一個L2范數(shù)作為誤差。建立一個目標函數(shù)為所有點的誤差和。

<imgdata-rawheight="512"src="https://static.leiphone.com/uploads/new/article/pic/201711/189dacc30c1401ba4597e7335b9a187f.jpg"data-rawwidth="674"class="origin_imagezh-lightbox-thumb"width="674"data-original="https://pic2.zhimg.com/v2-0a8c4c36d88be589159226f53d12b809_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/189dacc30c1401ba4597e7335b9a187f.jpg"/>

接著推導(dǎo)就可以寫成的形式。

<imgdata-rawheight="792"src="https://static.leiphone.com/uploads/new/article/pic/201711/597588926a502a5053b113cf93f93f98.jpg"data-rawwidth="1037"class="origin_imagezh-lightbox-thumb"width="1037"data-original="https://pic2.zhimg.com/v2-f3c218f3d4ac3c4fe9439496177d7d19_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/597588926a502a5053b113cf93f93f98.jpg"/>

這樣求解重投影誤差最小化問題是一個高維非線性最小二乘問題。未知數(shù)數(shù)量由圖像數(shù)量乘以旋轉(zhuǎn)矩陣、平移向量、內(nèi)參數(shù)、畸變加上稀疏點數(shù)目乘以世界坐標X。

<imgdata-rawheight="724"src="https://static.leiphone.com/uploads/new/article/pic/201711/26bedc611de5ff094f5baf5230df45c2.jpg"data-rawwidth="1174"class="origin_imagezh-lightbox-thumb"width="1174"data-original="https://pic4.zhimg.com/v2-afd13c70f19652117d5476d7bddc703f_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/26bedc611de5ff094f5baf5230df45c2.jpg"/>

求解可以用捆綁調(diào)整的工具做。BundleAdjustment.它是一種啟發(fā)式的阻尼高斯牛頓法。

<imgdata-rawheight="176"src="https://static.leiphone.com/uploads/new/article/pic/201711/ea8605972e1922ee7ca539d82c07e4f7.jpg"data-rawwidth="942"class="origin_imagezh-lightbox-thumb"width="942"data-original="https://pic1.zhimg.com/v2-452b54769e35356f3e79e9d5410a4838_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/ea8605972e1922ee7ca539d82c07e4f7.jpg"/>

因為要做初始值求解，接著科普兩視圖幾何：

平面1上面的點p與其相機中心o連線，延長。這個線r在平面2中投影出一條極線。

<imgdata-rawheight="591"src="https://static.leiphone.com/uploads/new/article/pic/201711/0817cb861a1a6a88a4018f70fa4cdd48.jpg"data-rawwidth="948"class="origin_imagezh-lightbox-thumb"width="948"data-original="https://pic1.zhimg.com/v2-e6a32dcea2921eaafc3d6984e0557880_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/0817cb861a1a6a88a4018f70fa4cdd48.jpg"/>

同理也可以在平面1投影出極線。連接ot這條線叫基線。這三條線在一個平面上，這個平面叫做極平面。

<imgdata-rawheight="644"src="https://static.leiphone.com/uploads/new/article/pic/201711/7f810ea08204737dcf8516232c53b9bd.jpg"data-rawwidth="967"class="origin_imagezh-lightbox-thumb"width="967"data-original="https://pic2.zhimg.com/v2-fa3adac088c1cc1f3eb460fbbc11a911_r.jpg"_src="https://static.leiphone.com/uploads/new/article/pic/201711/7f810ea08204737dcf8...