![](/style/images/good.png)
![](/style/images/bad.png)
基于3D边界特征的视觉定位技术
source link: https://mp.weixin.qq.com/s/RVb6fRtDW_ShNe4agtt0UA
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
基于3D边界特征的视觉定位技术
3D空间中的边界特征线是机器视觉感知中的一种重要的特征,在形状分析、视觉定位、网格简化、栅格创建、非照片级的渲染和表面平滑等方面具有广泛的应用。根据特征线是否与视点相关联,可以将特征线分为两类:与视点相关的特征线和与视点无关的特征线。一般情况下,与视图无关的特征线的计算与3D模型的拓扑结构有关。3D模型可以是连续的(例如参数化曲面),也可以是离散的(例如网格和点云)。与视点无关的特征线仅反映了3D对象的几何属性,而与视点有关的特征线则描述了表面几何形状和位置的属性,即我们通常所理解的“轮廓”。
近年来,重工业领域已经开始研究如何使用自动化的移动设备来解决生产力和人员安全问题,尤其是工作在室外环境下的大型作业车辆,因此迫切需要一种基于视觉的车辆定位方法。车辆在动态且非均匀的室外照明条件下运行时,周围环境恶劣,尽管这个问题可以通过使用场景先验知识调整相机曝光并改善图像信息的质量来解决,但完全基于2D图像的感知有时候可能还是不太靠谱(PS:这里可以吐槽一下特斯拉)。随着3D技术的普及,机器人车辆在户外工业环境中运行需要定位,而定位器可以使用环境中的3D边界图来估计车辆的姿态。在上述应用背景的前提下,一种解决策略是将利用摄像机采集的输入边缘与环境中预定义3D边界映射进行比较,从而完成定位,因此三维空间中的几何特征轮廓就派上了用场,为了不偏离本文的核心,只阐述涉及3D边界的核心流程(PS:关于其他环节的实现,感兴趣的同学可以自行学习)。A.鱼眼相机的标定在图像测量过程以及机器视觉应用中,为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须建立相机成像的几何模型,这些几何模型参数就是相机参数。相机标定实际上就是计算相机外参和内参的过程,完成标定后,我们便可以从2D图像中恢复3D图像。·外参
重磅!计算机视觉工坊-学习交流群已成立
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ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、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、深度估计、学术交流、求职交流等微信群,请扫描下面微信号加群,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,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的视频课程(三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、orb-slam3等视频课程)、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕,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~![640?wx_fmt=gif](https://mmbiz.qpic.cn/mmbiz_gif/gYUsOT36vfpFnEj3CMde0iaOKfGiaAmbfRRPePWld5pUR0niaibYOvNP5cx7nKS5I6180xeya4ZIYJClvHqSpQecqA/640?wx_fmt=gif)
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK