Loading [MathJax]/extensions/MathZoom.js
Loading [MathJax]/extensions/MathZoom.js
[TOC]# 3D数据是什么?
3D 数据是什么: 以深度图和点云表示的数据称之为 3D 数据。
3D视觉的发展历程
3D 的历史进程:
- 2D计算机视觉
- 20世纪60年代 – 美国MIT的 Roberts 从 2D 图像提取 3D 多面体,开启了 3D计算机视觉
的研究; - 20世纪70年代 – 马尔奠定了计算机视觉的理论基础;
- 20世纪90年代 – 多视几何理论的提出,极大地加快了3D视觉的研究进程;
- 21世纪
- 2010年,视觉 AI 逐步起飞;
- 2012年,AlexNet 达到
- 2013年,VGG 达到
- 2015年,Resnet-50 达到了 分类正确率 (Top-5);
3D感知的特点
- 低功耗和低运算量:能以极低的运算量为视觉任务提供更加简单的解决方案,例如快速实现视觉分割:
3D 数据在动作识别方向也可以提供更加简单的方案,如下图所示:
- 信息量大,能感知目标与环境的深度信息:3D 数据可用于物体的识别合物理测量,由于2D图像受到 近大远小的影响,很难获取目标的尺度信息(需要进行大量的计算),而基于3D直接测量获得物理尺寸信息却很容易。 t>的影响,很难获取目标的尺度信息(需要进行大量的计算),而基于3D直接测量获得物理尺寸信息却很容易。
- 不受光照条件的影响:2D 图像受光照影响,3D 数据不受光照影响;
3D数据的难点
- 噪声与干扰:实际获取的3D数据往往存在很多噪声与干扰;
- 畸变与分辨率的影响:成像设备的畸变参数和分辨率会严重影响3D数据的质量;
- 运动模糊:运动的目标会造成3D数据的模糊;
3D数据的处理流程
- 数据获取: 从不同的3D传感器(即,3D成像设备)中获取数据;
- 畸变矫正: 对数据进行畸变矫正;
- 3D点云获取: 把原始的3D数据转化为 3D 点云数据;
- 噪声与离群点过滤: 过滤掉噪声与离群点;
- 数据格式转换: 把3D点云转换为其他的数据格式;
- 多帧数据配准与融合: 不同视角的数据配准;
- 应用: 表面重建,分割与分类识别,参数测量;
- 3D 几何测量与建模:从3D数据中提取几何参数,用于物体测量和分析;
- 3D 物体分割与识别: 静态物体的特征提取和统计分析,利用特征数据实现3D对象的识别和分割;
- 3D活体检测与动作识别: 生物特征提取和识别应用;
高级算法与数据处理:基于3D数据的机器学习算法以及更复杂的底层数据处理算法介绍;