点击上方“3D视觉工坊”,选择“星标”

干货第一时间送达

作者:Yauheni Marushko

编译:ronghuaiyang(AI公园)

导读

一个双目立体视觉的常用应用场景的介绍,很基础。

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、使用线性插值恢复缺失的3D点

6、通过基于场景的几何聚类区域积分来计算单个对象的体积。

7、最后,计算所有物体的总体积。

英文原文:https://medium.com/@softarex/computer-vision-stereo-vision-and-volume-measurement-910c381f0f75

本文仅做学术分享,如有侵权,请联系删文。

下载1

在「3D视觉工坊」公众号后台回复:3D视觉即可下载 3D视觉相关资料干货,涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复:3D视觉github资源汇总即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复:相机标定即可下载独家相机标定学习课件与视频网址;后台回复:立体匹配即可下载独家立体匹配学习课件与视频网址。

重磅!3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群,目前主要有3D视觉CV&深度学习SLAM三维重建点云后处理自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近2000星球成员为创造更好的AI世界共同进步,知识星球入口:

学习3D视觉核心技术,扫描查看介绍,3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用,麻烦给个赞和在看~  

计算机视觉中的双目立体视觉和体积度量相关推荐

  1. 双目立体视觉建立深度图_双目立体视觉测量系统应用

    双目立体视觉是计算机视觉的一个重要分支,利用计算机技术模拟人类视觉原理,使用计算机被动感知距离的方法,从两个或者多个点观察同一个物体的场景,获取在不同视角下的图像. 根据图像之间像素的匹配关系,通过三 ...

  2. 双目立体视觉中的坐标系与转换关系 [留意~摄影测量学与计算机视觉学科中的差异]

    文章目录 前言 影像坐标系 相机坐标系 世界坐标系 影像坐标系与相机坐标系之间的相互转换 相机坐标系与世界坐标系之间的相互转换 前言   通过模拟人眼立体视觉,两个摄像机拍摄同一场景可构成双目成像模型 ...

  3. 双目立体视觉建立深度图_计算机视觉实验五 双目立体匹配获得视差图,深度图...

    完整源码链接 https://github.com/LamyaLi/cvLab 文章目录 一. 立体匹配的研究背景及意义 二. 立体匹配算法的基本实现思想 1.误差能量函数 2.基于最小平均误差能量的 ...

  4. 张正友立体魔方_双目立体视觉中的相机标定与机器人位置标定

    在基于双目立体视觉的工业机器人抓取系统中涉及三个坐标系:世界坐标系(现实世界中的坐标位置).机器人坐标系(以机器人基座标 标识的坐标位置)和 相机坐标系(以双目相机中某相机光心位置为原点,光轴作为参考 ...

  5. 基于深度学习算法和传统立体匹配算法的双目立体视觉

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 01 立体视觉是什么? 在开始之前,我相信很多站友都会有这个疑问, ...

  6. 计算机视觉中的多视图几何_基于深度学习的视觉三维重建研究总结

    三维重建意义 三维重建作为环境感知的关键技术之一,可用于自动驾驶.虚拟现实.运动目标监测.行为分析.安防监控和重点人群监护等.现在每个人都在研究识别,但识别只是计算机视觉的一部分.真正意义上的计算机视 ...

  7. 计算机视觉中的小样本学习综述

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前言: 如今,在使用数十亿张图像来解决特定任务方面,计算机可以做到超过人类.尽管如此,在现实世界中,很 ...

  8. 【深度相机系列三】深度相机原理揭秘--双目立体视觉

    本文已经首发在个人微信公共号:计算机视觉life(微信号CV_life),欢迎关注! 导读 为什么非得用双目相机才能得到深度? 双目立体视觉深度相机的工作流程 双目立体视觉深度相机详细工作原理 理想双 ...

  9. github 视觉测量_教你如何提高双目立体视觉系统的精度

    作者:李迎松 来源:公众号 @3D视觉工坊 链接:教你如何提高双目立体视觉系统的精度 开源代码免费获取,欢迎关注作者的GitHub:https://github.com/ethan-li-coding ...

最新文章

  1. SM$TS_USED,SM$TS_FREE,SM$TS_AVAIL
  2. 四说大数据时代“神话”:从大数据到深数据
  3. beacon帧字段结构最全总结(三)——VHT字段总结
  4. 图的基本操作及其相关应用
  5. 理解JavaScript的运行
  6. 清华放大招!竟然连初三学生都招,一条龙培养到博士,还不准转专业......
  7. web后端开发学习路线_学习后端Web开发的最佳方法
  8. IP、TCP、UDP、HTTP头部信息
  9. e0312 不存在用户定义的_更加灵活的参数校验,Spring-boot自定义参数校验注解
  10. vs2012打开c语言贪吃蛇,第一个满意的C语言控制台游戏——贪吃蛇(原创)
  11. 运筹学 matlab实现运输问题(表上作业法)
  12. 国内外手机号码正则表达式
  13. Ubuntu镜像的下载
  14. 什么是测试思维?测试思维都有什么?
  15. 【学习记录】【python】【tkinter】自学tkinter的简要记录
  16. 网络技术故障背后:50元发动的DDoS流量攻击
  17. Verilog——秒计数器
  18. 解释程序与解释程序的缺点,图解——解释程序与编译程序的区别
  19. MS Office 开发工具--VBA
  20. 哪里可以下载Holer软件包

热门文章

  1. python多线程结束线程_Python多线程和Office第2部分
  2. 【paper吐槽】【SelfSupervised Learning】Self-Supervised Image Restoration with Blurry and Noisy Pairs
  3. twrp Xposed zip包脚本定制全解析
  4. AndroidX初识
  5. 训练深度学习网络时候,出现Nan是什么原因,怎么才能避免?(转)
  6. 七大OSINT操作系统(开源网络情报)
  7. Linux一键脚本自动化安装项目环境
  8. UGUI优化:使用镜像图片
  9. 水滴IP告诉你:代理ip的功能是什么?能否隐藏自身的真实ip?
  10. iOS系统越狱研究现状梳理