课程来源:睿慕课《三维点云处理技术和深度学习在点云处理中的应用》

三维点云表征概述

  • 三维点云数据获取方式及原理
    • 立体视觉测量法
      • 相机成像模型
      • 被动双目立体视觉
      • 主动双目立体视觉
      • 结构光3D成像法
      • 飞行时间TOF法
      • 三种相机的比较
  • 三维信息的表征形式
  • 点云的基本特征和描述
    • 点云的法向量估计
    • 点云的PCA
    • 点云的特征值特征向量
  • 有关深度相机干扰性问题的交流

三维点云数据获取方式及原理

主要分为立体视觉测量法、结构光3D成像法、飞行时间TOF法。

立体视觉测量法

相机成像模型

视觉SLAM14讲——相机模型介绍

世界坐标系下的三维坐标点Pw⟶P_w\longrightarrowPw​⟶相机坐标系下的坐标Pc⟶P_c\longrightarrowPc​⟶归一化坐标Pnorm⟶P_{norm}\longrightarrowPnorm​⟶畸变后的坐标Pd⟶P_d\longrightarrowPd​⟶像素坐标U(u,v)U(u,v)U(u,v)

被动双目立体视觉

双目立体视觉是利用视差原理来计算深度。两幅图片因为相机视角不同带来的图像差别构成视差,过程如下:
1,首先需要对双目相机进行标定,得到两个相机的内外参数、单应矩阵。
2,根据标定结果对原始图像校正,校正后的两张图像位于同一平面且互相平行。
3,对校正后的两张图像根据极线约束进行像素点匹配。
4,根据匹配结果计算每个像素的深度,从而获得深度图。

优点:
1、对相机硬件要求低,成本也低。因为不需要像TOF和结构光那样使用特殊的发射器和接收器,使用普通的消费级RGB相机即可。
2、室内外都适用。由于直接根据环境光采集图像,所以在室内、室外都能使用。相比之下,TOF和结构光基本只能在室内使用。

缺点:
1、对环境光照非常敏感。双目立体视觉法依赖环境中的自然光线采集图像,而由于光照角度变化、光照强度变化等环境因素的影响,拍摄的两张图片亮度差别会比较大,这会对匹配算法提出很大的挑战。另外,在光照较强(会出现过度曝光)和较暗的情况下也会导致算法效果急剧下降。
2、不适用于单调缺乏纹理的场景。由于双目立体视觉法根据视觉特征进行图像匹配,所以对于缺乏视觉特征的场景(如天空、白墙、沙漠等)会出现匹配困难,导致匹配误差较大甚至匹配失败。
3、计算复杂度高。该方法是纯视觉的方法,需要逐像素计算匹配;又因为上述多种因素的影响,需要保证匹配结果比较鲁棒,所以算法中会增加大量的错误剔除策略,因此对算法要求较高,想要实现可靠商用难度大,计算量较大。
4、相机基线限制了测量范围。测量范围和基线(两个摄像头间距)关系很大:基线越大,测量范围越远;基线越小,测量范围越近。所以基线在一定程度上限制了该深度相机的测量范围。
最大的问题在于实现算法需要很高的计算资源,导致实时性很差,而且基本跟分辨率,检测精度挂钩。也就是说,分辨率越高,要求精度越高,则计算越复杂,同时,纯双目方案受光照,物体纹理性质影响。

主动双目立体视觉

利用投影在物体上的图案,帮助两个相机计算双目匹配;有多种可能的投影图案,一个方案是使用伪随机散斑。
优缺点:
解决了弱纹理情况下的双目匹配问题,减少了特征点匹配的计算量,但增加了硬件成本。

结构光3D成像法

结构光可分为点、线、面结构光,测距原理就是三角测距法。
【深度相机】结构光
结构光的概念及其实现三维成像的主要原理是什么?
基于结构光的立体视觉



优缺点:
结构光目的就是为了解决双目中匹配算法的复杂度和鲁棒性问题而提出,该方案解决了大多数环境下双目的上述问题。但是,在强光下,结构光核心技术激光散斑会被淹没,因此,不合适室外。同时,在长时间监控方面,激光发射设备容易坏,重新更换设备后,需要重新标定。

飞行时间TOF法

分为脉冲法和相位法。
脉冲法:距离的时域检测,通过估计光在被物体反射后从照明器传播到相机所花费的时间来计算。
相位法:距离的频域检测,根据发射光与反射光的相位延迟来计算飞行时间。
TOF科普篇
TOF工作原理是什么?
TOF–TOF相机技术原理深入解析与分享
优缺点:
TOF方案,传感器技术不是很成熟,因此,分辨率较低,成本高,但由于其原理与另外两种完全不同,实时性高,不需要额外增加计算资源,几乎无算法开发工作量,是未来发展的一个重要方向。

三种相机的比较

深度相机—TOF、双相机立体视觉、结构光立体视觉原理及优势对比
深度相机(一)——分类:TOF、RGB双目、结构光优劣分析

三维信息的表征形式

点云的基本特征和描述

点云的法向量估计

点云的PCA

点云PCA本质上就是求解过点云中心的向量,使得所有点云投影到该向量的投影位置方差最大。

点云的特征值特征向量

有关深度相机干扰性问题的交流

主动式不太适用于室外的主要考虑环境光影响,受环境光影响比较大的是红外类的,就比如kinect 1代,就是比较典型的。但是tof类的就会好很多,因为使用的主要是激光,就会受环境光影响比较小,kinect 2代就是tof原理的了。

激光器件受影响有没有,肯定是有的,那取决于什么?激光调制器的功率,还有接收器的灵敏度。激光波长905nm,接收器肯定有一定噪声的,返回信号也有衰减,这个是室内要比室外环境影响少的原因。

三维点云处理技术二:三维点云表征概述相关推荐

  1. 轻松上云系列之二:其他云数据迁移至阿里云

    2019独角兽企业重金招聘Python工程师标准>>> 本文档围绕如何将您其他云厂商上的数据迁移到阿里云,提供了多个场景的实践方案. 文档合集 AWS 数据迁移至阿里云 Amazon ...

  2. 【Visual C++】游戏开发笔记四十三 浅墨DirectX教程十一 为三维世界添彩 纹理映射技术 二

    分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow 也欢迎大家转载本篇文章.分享知识,造福人民,实现我们中华民族伟大复兴! 本系列文 ...

  3. 分布式、云原生技术之后,分布式云或成数字化转型新利器

    编辑 | 宋 慧 出品 | CSDN云计算 头图 | 2021可信云大会现场 7月27日,2021年可信云大会在京顺利开幕.本届大会以"数字裂变,可信发展"为主题,云计算行业专家学 ...

  4. 云原生(二)阿里云服务器突发型、共享型、独享型介绍

    突发型:共享实例,适用于平时cpu使用不多,但是偶尔会有突发高cpu使用率的场景. 提供的服务:平时限制cpu利用率,如果需要高cpu利用率时,用积分换取cpu资源.创建实例后,持续获得cpu积分. ...

  5. 云开发技术应用python pdf_云开发技术应用python_云开发技术应用(Python)

    项目1 Python语言概述及安装.配置(1) 1.1 任务1 认识Python语言(1) 1.1.1 Python的起源和发展前景(1) 1.1.2 Python的优缺点(2) 1.1.3 Pyth ...

  6. python数据处理高斯滤波_十大点云数据处理技术梳理

    研究点云数据时,感觉无从下手? 看看这十大点云数据处理技术,换个思路学点云. 点云 · 定义 简言之,在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为"点云".包 ...

  7. 点云nurbs曲面重建c++代码_【科普】抢先收藏!点云数据处理技术概要

    关注公众号"三维前沿",获取更多倾斜摄影.激光点云资讯 研究点云数据时,感觉无从下手? 看看这十大点云数据处理技术,换个思路学点云. 点云 · 定义 简言之,在获取物体表面每个采样 ...

  8. 点云处理算法整理(超详细教程)十大点云数据处理技术梳理

    研究点云数据时,感觉无从下手? 看看这十大点云数据处理技术,换个思路学点云. 点云 · 定义 简言之,在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为"点云".包 ...

  9. 数字化觉醒时代:传统企业云原生技术体系建设之路(一)

    文 山金孝 没有集装箱,就没有全球化:没有云原生,就没有数字化.从大型传统企业到互联网巨头,从百年老店到创业新星,从大政方针到民间资讯,数字化的理念和口号无处不在,全社会数字化觉醒时代已然到来.喧嚣之 ...

  10. “云原生”技术公开课第1章:第一堂“云原生”课

    摘要:欢迎大家来到阿里云与 CNCF 共同推出的"云原生"技术公开课.本文整理自"云原生"技术公开课的开篇:第一堂"云原生"课.在本文中,阿 ...

最新文章

  1. ElasticSearch5.6安装head插件
  2. intellij idea不显示git push按钮的解决办法
  3. CAS机制中的ABA问题
  4. 【Qt】QModbusClient类
  5. POJ1734(floyd求最小环的路径)
  6. 域用户迁移适用的两种方法
  7. 旅游服务商Bikego完成A轮融资,共建创投、马蜂窝投资
  8. BZOJ1832: [AHOI2008]聚会
  9. java swing 图片旋转_Java图片旋转,背景透明化
  10. 【clickhouse】clickhouse 表引擎之 Merge
  11. 《Getting Started with WebRTC》第二章 WebRTC技术介绍
  12. 如何不用密钥破解tableau
  13. Unicdoe【真正的完整码表】对照表(一)
  14. 各大文字转语音软件对比,哪个比较好呢?
  15. 笔记本nc10装linux,三星nc10笔记本快捷键驱动
  16. (超详细)微信公众号菜单栏设置历史文章入口
  17. 激光SLAM建图过程中的问题MessageFilter [target=odom_combined ]:Dropped 100.00% of messages so far.,解决方案
  18. 解决AD中pcb原件移动提示绿色报错问题
  19. C++:实现量化GSR模型测试实例
  20. android 伪装 wifi,移动数据伪装wifi软件xposed手机版-手机移动数据伪装wifi模块xposedv1.4最新版_新绿资源网...

热门文章

  1. 韩立刚计算机网络——第三章:数据链路层
  2. 怎么写脚本实现自动输入密码
  3. 【gp数据库】统计常用窗口函数详解
  4. 城市智能交通指挥中心系统方案
  5. 计算机的硬盘和光驱的接口是什么类型的接口,连接硬盘和光驱是什么接口
  6. 拉格朗日插值法及代码
  7. mysql实现pr曲线_如何画PR curve (PR曲线)基于COCO格式数据集 在maskrcnn_benchmark中
  8. 100个超好用的Excel快捷键
  9. java io 和nio 区别_java IO和NIO区别
  10. 输入两个电阻的值a和b,求它们并联和串联的电阻值。求并联电阻公式:a*b/(a+b),求串联的公式为:a+b。