视觉三维建模二维摄像三维重建法综述——深度视觉摄像一些具体运用的demo

77 阅读 0 评论 51 点赞

我是靠谱客的博主怡然小笼包，最近开发中收集的这篇文章主要介绍视觉三维建模二维摄像三维重建法综述——深度视觉摄像一些具体运用的demo，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

二维摄像 + 三维重建法 = 深度视觉摄像

二维摄像

结构光方案
- 优点：
  - 技术成熟；
  - 价格低廉。
- 缺点：
  - 容易受光照影响，室外环境及夜间环境基本不能使用;
  - 无法得到深度信息。

三维重建法

探针法
- 时期：早期采用的
- 特点：简单粗暴
- 原理：直接手拿定位探针，在物体表面移动，一个点一个点地测坐标
直接测距法
- 超声波法
  - 原理：使用特定的人造声源，对物体表面逐点用声程差来测距
- TOF法
  - 全称：Time of flight，即飞行时间法
  - 原理：采用主动光探测方式，使用特定的人造光源（如红外线），通过入、反射光探测，对物体表面逐点用光程差来测距
  - 运用：
    - 物流行业：通过 TOF 相机迅速获得包裹的抛重（即体积），来优化装箱和进行运费评估
    - 安防和监控：进行 Peoplecounting 确定进入人数不超过上限；通过对人流或复杂交通系统的counting，实现对安防系统的统计分析设计；敏感地区的检测对象监视；机器视觉：工业定位、工业引导和体积预估；替代工位上占用大量空间的、基于红外光进行安全生产控制的设备；
    - 机器人：在自动驾驶领域提供更好的避障信息；机器人在安装、质量控制、原料拣选应用上的引导；
    - 医疗和生物：足部矫形建模、病人活动/状态监控、手术辅助、面部3D 识别；
    - 互动娱乐：动作姿势探测、表情识别、娱乐广告
  - 优点：
    - 视角更宽；
    - TOF相机体积小巧，跟一般相机大小相去无几，非常适合于一些需要轻便、小体积相机的场合；
    - TOF相机能够实时快速的计算深度信息，达到几十到100fps；
    - TOF的深度计算不受物体表面灰度和特征影响，可以非常准确的进行三维探测；
    - 深度计算精度不随距离改变而变化，基本能稳定在cm级，这对于一些大范围运动的应用场合非常有意义。
  - 缺点：
    - 深度图像分辨率较低，做一些简单的避障和视觉导航可以用，但是要求精度高些的场景就不行；
    - 测量距离较常规测量仪器短，一般不超过 10 米；
    - 测量结果受被测物性质的影响；
    - 大多数机器的测量结果受外界环境干扰较为明显，尤其是受外界光源扰,所以常只用于室内；
    - 系统误差及随机误差对结果影响明显，需要进行后期数据处理；
    - 由于传感器芯片并不成熟，成本很高，实现量产困难。
双目视觉法
- 原理：通过左右立体像对匹配后，再经过三角测量法来进行立体探测（两角夹一边 -> 确定一个三角形 -> 该三角形的高即为影像点的深度）
- 运用：大疆无人机用其实现其无人机避障功能
- 优点：
  - 纯双目只需使用两颗普通PRG摄像头，并不涉及光学系统，成本低；
  - 测量距离长。
- 缺点：
  - 需要目标具有良好的特征变化，否则会无法进行深度计算。
  - 双RGB摄像头的纯双目摄像机，继承了普通RGB摄像头的缺点：在昏暗环境下以及特征不明显的情况下并不适用；
  - 双目立体相机需要用到的算法复杂度高，难度很大，处理芯片需要很高的计算性能，处理速度较慢；
  - 双目相机体积较大。
SFM法
- 全称：Structure from Motion
- 原理：输入是一段motion或者一时间系列的2D图群，这里不需要任何相机的信息。在2D图之间找到了匹配的地方，可以推断出相机的各项参数，从时间系列的2D图像中推算3D信息，通过匹配点之间的视差得到相对的深度信息。
- 运用：“一日之内建好罗马”项目