计算机视觉中的双目立体视觉和体积度量_第1页
计算机视觉中的双目立体视觉和体积度量_第2页
计算机视觉中的双目立体视觉和体积度量_第3页
计算机视觉中的双目立体视觉和体积度量_第4页
计算机视觉中的双目立体视觉和体积度量_第5页
已阅读5页，还剩1页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

立体视觉立体视觉意味着人工智能可以通过一对相机来感知图像的深度以及物体的距离。大多数三维相机模型都是基于立体视觉理论和技术的。两台摄像机之间设置一定的距离，这样它们就可以从不同的角度“看”物体。评估两个图像之间的对应关系，人工智能确定到目标的距离，分析，并建立目标的3D结构。采用立体视觉，不需要红外传感器、声波定位仪、激光雷达等测距传感器，可大大降低了技术解决方案的成本。主要应用场景：1、人体姿态和手势识别。2、3D模型和3D场景的构建。3、自动驾驶系统的障碍定位和检测。每个特定的场景都可以改动以解决特定的问题。因此，3D场景重建可以用来测量物体或产品的体积。在实践中，立体视觉通过两台摄像机分四个阶段实现：1、畸变校正—一种去除图像上透镜的径向和切向畸变的数学方法，以获得未失真的图像。2、在校正过程中调整相机之间的角度和距离。结果是直线对齐和细化图像，即同一平面的两幅图像共面，其直线对齐方向相同，具有相同的y坐标。3、点匹配过程—搜索左、右摄像头点之间的对应关系。在那之后，你会得到有一个视差图——其中的值对应于左右摄像机同一点的图像x坐标的差异。4、因此，有了相机的几何排列，我们产生了视差图的三角度量。这是重投影阶段，形成深度图，也就是想要的3D场景。对于前两个阶段，你必须首先计算这一对相机的配置参数。这可以通过各种二值化的标定板自动完成，比如ArUco或ChArUco。这些标定板的主要优点是，即使是单个标定板也能提供足够的一致性来获得相机的姿势。此外，内部的二进制编码使它们特别可靠，因为它可以进行错误检测和纠正。你也可以使用标定板来确定相机下区域的几何形状。体积度量为了度量体积，你还需要进行下面的步骤：1、对一组连续的帧进行累积，这将增加错误恢复的弹性，用于对3D场景进行平均或细化。2、只在场景中选择产品定义的点。这是通过使用颜色分割、模板匹配或神经网络语义分割来实现的。最快的方法是颜色分割。该方法的缺点是将设置绑定到特定的产品上，如果背景颜色和对象不是很清楚，可能会产生不好的结果。如果GPU优化是可能的，那么使用U形卷积神经网络如U-net和高级U-net，或全卷积神经网络会有较高的性能和分割精度。3、对一个由产品定义的3D点组成的场景进行聚类。每个簇是一个对象。4、为每个簇形成一个凸多边形，消除3d场景对象的边缘缺陷5、使用线性插值

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论