服务咨询:

4009660626

彩客网手机版的产品中心

 

3d相机

彩客网首页的版权所有© 深圳市深视智能科技有限公司      

  • gf
  • 在线客服:
    0755-2965 5425

  • gf
  • 售前咨询:2850370855 裘小姐
    销售部:2850370850 张先生

  • gf

新闻资讯

 

公司新闻

行业动态

产品知识

 

 

彩客网下载的服务支持

 

用户手册

彩客网下载的技术支持

资料下载

 

 

关注深视

新闻资讯

news

资讯详情

3d视觉:一张图像如何看出3d效果?-彩客网手机版

浏览量
【摘要】:
我们生活的世界是一个三维物理空间。直观而言,三维视觉系统有助于机器更好地感知和理解真实的三维场景。三维视觉作为计算机视觉的一个比较重要的研究方向,在过去几十年间得到了扎实和系统地发展,形成了一套完整的理论体系。近年来,随着三维成像技术如激光雷达、tof 相机及结构光等的快速发展,三维视觉研究再次成为研究热点。
 
在中,我们对 3d 视觉基础相关内容进行了概括性总结,本文我们将进行比较深层次的介绍,主要涉及 3d 视觉算法及其应用领域。
 
3d 目标检测多模态融合算法
 
基于视觉的目标检测是环境感知系统的重要组成,也是计算机视觉、机器人研究等相关领域的研究热点。三维目标检测是在二维目标检测的基础上,增加目标尺寸、深度、姿态等信息的估计。相比于二维目标检测,三维目标检测在准确性、实时性等方面仍有较大的提升空间。
 
在目标检测领域,2d 目标检测方面发展迅速,出现了以 r-cnn、fast rcnn、mask rcnn 为代表的 two-stage 网络架构,以及以 yolo、ssd 为代表的 one-stage 网络架构。然而由于 2d 图像缺乏深度、尺寸等物理世界参数信息,在实际应用中存在一定局限性,往往需要结合激光雷达、毫米波等传感器实现多模态融合算法,以增强系统的可靠性。
 
因此,研究者们提出了许多 3d 目标检测方法,根据传感器的不同大致可分为视觉、激光点云以及多模态融合三大类。其中视觉又包括单目视觉和双目视觉(深度视觉)两类;激光点云包括三维点云投影和三维空间体素特征;而多模态融合实现了激光点云与视觉的融合。下面将对现阶段比较流行的 3d 目标检测多模态融合算法研究进行介绍。
该研究提出了一种新颖的融合方法——基于点的 attentive cont-conv fusion(pacf)模块,该模块将多传感器特征直接融合在 3d 点上。除了连续卷积外,该研究还添加了 point-pooling 和 attentive aggregation 等组件,以使融合特征更具表达力。
 
此外,基于 pacf 模块,研究人员提出了一个叫做 pointcloud-image rcnn(pi-rcnn)的 3d 多传感器多任务网络,该网络负责图像分割和 3d 目标检测任务。pi-rcnn 使用分段子网从图像中提取全分辨率语义特征图,然后通过功能强大的 pacf 模块融合多传感器特征。受益于 pacf 模块的效果和分段模块的有表达力的语义特征,pi-rcnn 使 3d 目标检测的性能大大改善。在 kitti 3d 检测基准测试中的实验揭示了 pacf 模块和 pi-rcnn 的有效性,并且该方法可以在 3d ap 的度量标准上达到最新水平。

暂时没有内容信息显示
请先在网站后台添加数据记录。