2   結(jié)構(gòu)光法

3   陰影法

4   TOF技術(shù)

6   Kinect技術(shù)

基于被動視覺的三維重建技術(shù)

1   根據(jù)相機(jī)數(shù)目分類

1.1   單目視覺法

1.2   雙目視覺法

• 1) 平行式光軸雙目視覺系統(tǒng)是比較理想的一種系統(tǒng).在平行式光軸視覺系統(tǒng)中, 左右相機(jī)互相對齊, 它們的光軸也要互相平行, 形成一個共面的成像平面.由于左右相機(jī)只在軸上的位置不同, 而焦距等其他參數(shù)是相同的, 因此, 左右相機(jī)拍攝的同一物點(diǎn)所成的像分別在左右兩圖像上對應(yīng)的對集線上, 可以較好的實現(xiàn)立體匹配。
• 2) 匯聚式光軸雙目視覺系統(tǒng)是將平行式光軸雙目視覺系統(tǒng)中的左右相機(jī)分別繞光心順時針和逆時針旋轉(zhuǎn)一定角度, 從而形成匯聚式雙目視覺系統(tǒng)。

1.3   多目視覺法

2   根據(jù)匹配方法分類

2.1   區(qū)域視覺法

2.2   特征視覺法

3   根據(jù)應(yīng)用方法分類

3.1   運(yùn)動恢復(fù)結(jié)構(gòu)法

3.2   機(jī)器學(xué)習(xí)法

• 1) 統(tǒng)計學(xué)習(xí)法：就是需要通過不斷地學(xué)習(xí)再學(xué)習(xí)的過程.該方法是以大型數(shù)據(jù)庫為基礎(chǔ), 例如, 人臉數(shù)據(jù)庫、場景數(shù)據(jù)庫等.首先, 這種方法需要對數(shù)據(jù)庫中的每一個目標(biāo)進(jìn)行特征統(tǒng)計, 這些特征主要包括亮度、紋理、幾何形狀、深度等, 然后, 再對重建目標(biāo)的各種特征建立概率函數(shù), 最后, 計算重建目標(biāo)與數(shù)據(jù)庫中相似目標(biāo)的概率大小, 取概率最大的目標(biāo)深度為重建目標(biāo)的深度, 再使用差值計算和紋理映射進(jìn)行目標(biāo)的三維重建。

• 2) 神經(jīng)網(wǎng)絡(luò)法：基于神經(jīng)網(wǎng)絡(luò)法的三維重建是利用神經(jīng)網(wǎng)絡(luò)具有較好的泛函逼近能力, 能夠以任意的精度逼近任何非線性關(guān)系的優(yōu)點(diǎn)來進(jìn)行三維重建。

• 3) 深度學(xué)習(xí)與語義法：基于深度學(xué)習(xí)的三維重建最近幾年取得了非常大進(jìn)展, 是當(dāng)前計算機(jī)視覺領(lǐng)域比較流行的方法之一。學(xué)習(xí)系統(tǒng)是由多層卷積層和多層全連接層組成的卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行學(xué)習(xí)圖像的層次化特征表示, 這種方法能夠精確地重建出物體的幾何形狀。基于語義的三維重建可以運(yùn)用在移動的行人或車輛等大的場景, 這種方法能夠精確地對環(huán)境中的目標(biāo)物體進(jìn)行識別, 而深度學(xué)習(xí)技術(shù)也是最近幾年剛剛興起的比較有優(yōu)勢的識別方法, 因此, 深度學(xué)習(xí)和語義相結(jié)合的三維重建是未來幾年的研究趨勢, 也會受到該領(lǐng)域的研究者們廣泛關(guān)注。

—版權(quán)聲明—

僅用于學(xué)術(shù)分享，版權(quán)屬于原作者。

若有侵權(quán)，請聯(lián)系微信號:yiyang-sy 刪除或修改！