从虚拟到现实
假如你吃了鸡蛋觉得不错，何必认识那只下蛋的母鸡呢？我是一个想弄清楚下蛋过程的人。
获悉Mathias创办(co-found)了 DISDAR，真心希望他能做出改变世界的产品来。优秀的工作总是令人着迷，在第一次看了SIGGRAPH上的演示视频后，我就告诉自己，我要知道它的全部。大约两年之后，我才实现了 Mathias 论文里的算法流程，并开源了草图检索引擎OpenSSE。这是一个基础的框架，目前只对外提供了一种特征提取算法。希望草图检索不再神秘，更希望感兴趣的朋友能不断的改进，一起把它做成产品。
初因
大学期间，在看过一个精美的3D Demo 之后，我就开始学习OpenGL，选择了计算机图形学这条道路，走进了3D 虚拟世界。大学二年级的时候，被一个学长拉去做内网检索的项目，又了解了lucene和检索的相关知识。这两点都对我决定做草图检索起到了积极的影响。
框架
完整的草图检索引擎(更确切的说是OpenSSE)需要包含三个部分：草图获得，特征提取和排序算法。
草图获得
用于检索的草图主要来源于手绘和线画图提取。手绘的草图噪声大，不稳定，却是最真实的存在，在用识别类算法训练时，手绘草图具有先天优势。手绘草图收集困难，数量有限。更多的草图来源于三维模型，得益于Szymon Rusinkiewicz等人的奉献，我写了一个Qt版本的trianglemesh，并重新定义了线画图。
特征提取
最先研究的特征提取算法就是SIFT，那是最痛苦的时候。理解完之后，发表第一篇技术博客《SIFT算法详解》，希望帮助初学者跨越David论文里的鸿沟。结果收到了很多鼓励，直到现在为止，还时不时的会收到大家交流的邮件和赞助，真的非常感谢！
排序算法
开源的OpenSSE在排序时，使用了最简单的余弦定理，新的版本会使用流行排序算法。
当前工作
基于OpenSSE，实现了一个在线的草图识别版本。受训练草图的限制，在准确率和本土化上都打了折扣。打算实现一个在线的草图收集共享平台，希望得到web开发者的支援。
相机原理
在处理三维相关工作时，一直有一架相机，杵在我的键盘上，屏幕前。最近对实际相机起了兴趣，正好也有机会，从虚拟转向现实，可以好好研究一下摄像机。感觉又为自己挖了一个坑, 哈哈。
如果你喜欢这篇文章，欢迎赞赏作者以示鼓励
