點云數(shù)據(jù)處理

三維計算視覺研究內(nèi)容包括:

(1)三維匹配:兩幀或者多幀點云數(shù)據(jù)之間的匹配附井,因為激光掃描光束受物體遮擋的原因,不可能通過一次掃描完成對整個物體的三維點云的獲取瘩扼。因此需要從不同的位置和角度對物體進(jìn)行掃描炉奴。三維匹配的目的就是把相鄰掃描的點云數(shù)據(jù)拼接在一起。三維匹配重點關(guān)注匹配算法宵晚,常用的算法有最近點迭代算法 ICP和各種全局匹配算法垂攘。

(2)多視圖三維重建:計算機(jī)視覺中多視圖一般利用圖像信息,考慮多視幾何的一些約束淤刃,相關(guān)研究目前很火晒他,射影幾何和多視圖幾何是視覺方法的基礎(chǔ)。在攝影測量中類似的存在共線方程逸贾,光束平差法等研究陨仅。這里也將點云的多視匹配放在這里,比如人體的三維重建铝侵,點云的多視重建不僅強(qiáng)調(diào)逐幀的匹配灼伤,還需要考慮不同角度觀測產(chǎn)生誤差累積,因此也存在一個優(yōu)化或者平差的過程在里面咪鲜。通常是通過觀測形成閉環(huán)進(jìn)行整體平差實現(xiàn)狐赡,多視圖重建強(qiáng)調(diào)整體優(yōu)化∨北可以只使用圖像猾警,或者點云,也可以兩者結(jié)合(深度圖像)實現(xiàn)隆敢。重建的結(jié)果通常是Mesh網(wǎng)格。

(3)3D SLAM:點云匹配(最近點迭代算法 ICP崔慧、正態(tài)分布變換方法 NDT)+位姿圖優(yōu)化(g2o拂蝎、LUM、ELCH惶室、Toro温自、SPA);實時3D SLAM算法 (LOAM)皇钞;Kalman濾波方法悼泌。3D SLAM通常產(chǎn)生3D點云,或者Octree Map夹界」堇铮基于視覺(單目、雙目可柿、魚眼相機(jī)鸠踪、深度相機(jī))方法的SLAM,比如orbSLAM复斥,lsdSLAM...

(4)目標(biāo)識別:無人駕駛汽車中基于激光數(shù)據(jù)檢測場景中的行人营密、汽車、自行車目锭、以及道路和道路附屬設(shè)施(行道樹评汰、路燈纷捞、斑馬線等)。

(5)形狀檢測與分類:點云技術(shù)在逆向工程中有很普遍的應(yīng)用被去。構(gòu)建大量的幾何模型之后主儡,如何有效的管理,檢索是一個很困難的問題编振。需要對點云(Mesh)模型進(jìn)行特征描述缀辩,分類。根據(jù)模型的特征信息進(jìn)行模型的檢索踪央。同時包括如何從場景中檢索某類特定的物體臀玄,這類方法關(guān)注的重點是模型。

(6)語義分類:獲取場景點云之后畅蹂,如何有效的利用點云信息健无,如何理解點云場景的內(nèi)容,進(jìn)行點云的分類很有必要液斜,需要為每個點云進(jìn)行Labeling累贤。可以分為基于點的方法少漆,基于分割的分類方法臼膏。從方法上可以分為基于監(jiān)督分類的技術(shù)或者非監(jiān)督分類技術(shù),深度學(xué)習(xí)也是一個很有希望應(yīng)用的技術(shù)示损。

(7)立體視覺與立體匹配?ZNCC

(8)SFM(運動恢復(fù)結(jié)構(gòu))

1渗磅、點云濾波方法(數(shù)據(jù)預(yù)處理):

雙邊濾波、高斯濾波检访、條件濾波始鱼、直通濾波、隨機(jī)采樣一致性濾波脆贵。

VoxelGrid

2医清、關(guān)鍵點

ISS3D、Harris3D卖氨、NARF

SIFT3D会烙、

3、特征和特征描述

法線和曲率計算NormalEstimation双泪、特征值分析Eigen-Analysis持搜、EGI

PFH、FPFH焙矛、3D Shape Context葫盼、Spin Image

4、點云匹配

ICP村斟、穩(wěn)健ICP贫导、point to plane ICP抛猫、Point to line ICP、MBICP孩灯、GICP

NDT 3D闺金、Multil-Layer NDT

FPCS、KFPCS峰档、SAC-IA

Line Segment Matching败匹、ICL

5、點云分割與分類

分割:區(qū)域生長讥巡、Ransac線面提取掀亩、NDT-RANSAC、

K-Means欢顷、Normalize Cut(Context based)

3D Hough Transform(線槽棍、面提取)、連通分析抬驴、

分類:基于點的分類炼七,基于分割的分類;監(jiān)督分類與非監(jiān)督分類

6布持、SLAM圖優(yōu)化

g2o豌拙、LUM、ELCH题暖、Toro姆蘸、SPA

SLAM方法:ICP、MBICP芙委、IDC、likehood Field狂秦、Cross?Correlation灌侣、NDT

7、目標(biāo)識別裂问、檢索

Hausdorff距離計算(人臉識別)

8侧啼、變化檢測

基于八叉樹的變化檢測

9. 三維重建

泊松重建、Delaunay triangulations

表面重建堪簿,人體重建痊乾,建筑物重建,樹木重建椭更。

實時重建:重建植被或者農(nóng)作物的4D(3D+時間)生長態(tài)勢哪审;人體姿勢識別;表情識別虑瀑;

10.點云數(shù)據(jù)管理

點云壓縮湿滓,點云索引(KD滴须、Octree),點云LOD(金字塔)叽奥,海量點云的渲染

點云驅(qū)動的計算機(jī)圖形學(xué)主要研究應(yīng)用

http://vcc.szu.edu.cn/research/2015/Points/

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末扔水,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子朝氓,更是在濱河造成了極大的恐慌魔市,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,692評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件赵哲,死亡現(xiàn)場離奇詭異待德,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)誓竿,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,482評論 3 392
  • 文/潘曉璐 我一進(jìn)店門磅网,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人筷屡,你說我怎么就攤上這事涧偷。” “怎么了?”我有些...
    開封第一講書人閱讀 162,995評論 0 353
  • 文/不壞的土叔 我叫張陵茁裙,是天一觀的道長灰嫉。 經(jīng)常有香客問我,道長确封,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,223評論 1 292
  • 正文 為了忘掉前任再菊,我火速辦了婚禮爪喘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘纠拔。我一直安慰自己秉剑,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,245評論 6 388
  • 文/花漫 我一把揭開白布稠诲。 她就那樣靜靜地躺著侦鹏,像睡著了一般。 火紅的嫁衣襯著肌膚如雪臀叙。 梳的紋絲不亂的頭發(fā)上略水,一...
    開封第一講書人閱讀 51,208評論 1 299
  • 那天,我揣著相機(jī)與錄音劝萤,去河邊找鬼渊涝。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的驶赏。 我是一名探鬼主播炸卑,決...
    沈念sama閱讀 40,091評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼煤傍!你這毒婦竟也來了盖文?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,929評論 0 274
  • 序言:老撾萬榮一對情侶失蹤蚯姆,失蹤者是張志新(化名)和其女友劉穎五续,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體龄恋,經(jīng)...
    沈念sama閱讀 45,346評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡疙驾,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,570評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了郭毕。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片它碎。...
    茶點故事閱讀 39,739評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖显押,靈堂內(nèi)的尸體忽然破棺而出扳肛,到底是詐尸還是另有隱情,我是刑警寧澤乘碑,帶...
    沈念sama閱讀 35,437評論 5 344
  • 正文 年R本政府宣布挖息,位于F島的核電站,受9級特大地震影響兽肤,放射性物質(zhì)發(fā)生泄漏套腹。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,037評論 3 326
  • 文/蒙蒙 一资铡、第九天 我趴在偏房一處隱蔽的房頂上張望电禀。 院中可真熱鬧,春花似錦笤休、人聲如沸鞭呕。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,677評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至瓦糕,卻和暖如春底洗,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背咕娄。 一陣腳步聲響...
    開封第一講書人閱讀 32,833評論 1 269
  • 我被黑心中介騙來泰國打工亥揖, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 47,760評論 2 369
  • 正文 我出身青樓费变,卻偏偏與公主長得像摧扇,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子挚歧,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,647評論 2 354

推薦閱讀更多精彩內(nèi)容