- 综合排序
- 最热优先
- 最新优先
- 来自专栏hotarugaliの技术分享
3D视觉
简介 随着自动驾驶、AR & VR 等技术的发展，3D 视觉的研究正方兴未艾。 目前 3D 视觉的两个主要问题是： 从一张 2D 图像预测得到 3D 表示 处理 3D 表示数据来实现下游任务（分类、检测、分割等） 2. 3D 表示 目前 3D 视觉表示主要有 555 种方法：深度图 Eigen 等人提出的神经网络结构如下： image.png 2.1.2 RGB + Surface Normal 另一种类似表示 3D 视觉信息的方法是对 RGB 图像中的每个像素，给出其所在物体表面的法向量 这样也能在一定程度上表示 3D 物体的空间结构信息。 {1}{n} \sum_i N_i \cdot N_i^* \tag{3} Lnormal(N,N∗)=−n1i∑Ni⋅Ni∗(3) 其中， 和 分别表示网络预测的 Surface
1.6K20编辑于 2022-05-27 - 来自专栏机器人小农
机器人视觉3
随着技术的发展，3D相机的使用越来越频繁，当然如果价格亲民点、再亲民点，那将得到更多的使用。 今天我们就来说说3D相机和机器人之间那些思维。 往往3D相机是标定工具的，因此相机给出的位置信息对于机器人来说相当于绝对坐标值，就是说相机给了这个产品的位置信息，机器人拿到就直接执行这个位置就可以了。 首先我们来了解一下3D相机的原理： 3D相机是通过“激光”扫描得到镜头下物体轮廓的点云，并且计算出预先设置好的特征，并且计算出机器人tcp的位置 由此看来相机需要知道机器人的base坐标系位置，tcp
66710编辑于 2022-06-29 - 来自专栏流川疯编写程序的艺术
机器视觉3——电磁波
通过以上图我们可以看出，正弦波上的点和圆上的点相对应，我们假想圆是一个时钟的表盘，那么指针每走的一步都会相应体现在正弦波的前进起伏上。
75750发布于 2019-07-03 - 来自专栏云深之无迹
巴塞罗那自治大学.3D视觉课件.3
巴塞罗那自治大学，3D视觉课件.1 巴塞罗那自治大学.3D视觉课件.2 我还是一句话，自己推导一些这些定理，过了理论关，再去看代码实现，永远都是那么割裂，这不是一个学习的好法子。
46120编辑于 2022-11-29 - 来自专栏一点人工一点智能
小白系列（3）| 计算机视觉之直接视觉跟踪
首先，我们将介绍几种视觉跟踪方法。然后，我们将解释如何对它们进行分类。我们还将讨论直接视觉跟踪的基本内容，特别关注基于区域的方法和基于梯度的方法。 目录： 视觉跟踪简介 对视觉跟踪方法进行分类 基于区域的跟踪方法 基于梯度的方法 总结 01 视觉跟踪 视觉跟踪，也称为目标跟踪或视频跟踪，是使用视觉信息估计场景中目标对象的轨迹的问题。 视觉信息可以来自不同的成像源。我们可以使用光学相机、热像仪、超声波、X 射线或磁共振等。 以下是最常见的成像设备列表： 此外，视觉跟踪是一个非常受欢迎的话题，因为它在各种各样的问题中都有应用。 02 视觉跟踪方法的分类 视觉跟踪方法可以根据以下主要组成部分进行分类： 现在，让我们更详细地看一下这些组件。 在视觉跟踪中称为目标表示（Target Representation）。
98620编辑于 2022-12-27 - 来自专栏点云PCL
SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM
第二部分重点介绍了Visual SLAM，包括相机传感器，不同稠密SLAM的开源视觉SLAM系统。 第三部分介绍视觉惯性里程法SLAM，视觉SLAM中的深度学习以及未来。 第四部分中，将介绍激光雷达与视觉的融合。 视觉SLAM的稳定性是一项技术挑战。因为基于单目的视觉SLAM需要初始化、尺度的不确定性和尺度漂移等问题[1]。 针对以上这些问题传感器的融合方案逐渐流行起来，IMU与相机融合的视觉里程计成为研究热点。 视觉与惯导 论文[2][3][4]是比较早期对VIO进行的一些研究。 深度学习与视觉SLAM 目前，深度学习在计算机视觉方面起着至关重要的作用。随着视觉SLAM的发展，越来越多的研究者开始关注基于深度学习的SLAM的研究。 Pix3d: Dataset and methods for single-image 3d shape modeling.
3.3K22发布于 2020-05-19 - 来自专栏一点人工一点智能
小白系列（5）| 计算机视觉：3D立体视觉
作者：DrMax 编辑：东岸因为@一点人工一点智能 01 介绍 本文中，我们将讨论立体视觉，这是一种使用两个或多个摄像机来生成全视场三维测量的机器视觉技术。 02 什么是立体（3D）视觉？ 这是在3D计算机图形和计算机视觉中表示场景深度的常见方式。我们可以在上述图像的左下角看到深度图的一个示例。 05 立体视觉的几何基础 对极几何是立体视觉的几何学基础。 5.2 方向向量的交点 场景中一个3D点的方向向量会在从不同视角拍摄的图像中投射出相应的2D点。因此，一对立体图像将会有从表示3D场景中共同的3D点的2D像素发出的方向向量。 06 计算机立体视觉的数学实现的关键概念 三角测量和视差图是计算机立体视觉所需的工具。在像素级别上，我们使用三角测量从一对立体图像的左右像素点中确定一个3D空间中的点。 6.1 计算机视觉中的三角测量 计算机视觉中的三角测量是从其在两个或多个图像上的投影中确定一个3D空间中的点的过程。相机矩阵表示相机从3D场景到2D图像空间的投影函数的参数。
87230编辑于 2023-09-08 - 来自专栏一点人工一点智能
小白系列（5）| 计算机视觉：3D立体视觉
01 介绍 本文中，我们将讨论立体视觉，这是一种使用两个或多个摄像机来生成全视场三维测量的机器视觉技术。 02 什么是立体（3D）视觉？ 这是在3D计算机图形和计算机视觉中表示场景深度的常见方式。我们可以在上述图像的左下角看到深度图的一个示例。 05 立体视觉的几何基础 对极几何是立体视觉的几何学基础。 L_{s1}S_15.2 方向向量的交点 场景中一个3D点的方向向量会在从不同视角拍摄的图像中投射出相应的2D点。因此，一对立体图像将会有从表示3D场景中共同的3D点的2D像素发出的方向向量。 06 计算机立体视觉的数学实现的关键概念 三角测量和视差图是计算机立体视觉所需的工具。在像素级别上，我们使用三角测量从一对立体图像的左右像素点中确定一个3D空间中的点。 6.1 计算机视觉中的三角测量 R_{s1}计算机视觉中的三角测量是从其在两个或多个图像上的投影中确定一个3D空间中的点的过程。相机矩阵表示相机从3D场景到2D图像空间的投影函数的参数。
1.6K50编辑于 2023-09-04 - 来自专栏3D视觉从入门到精通
3D视觉，如何快速接点「私活」？
项目技能一：3D机械臂抓取 1. 深度相机(双目视觉，ToF,结构光等)下的物体位姿估计(可基于halcon,PCL,open3d等软件或者库) 2. 机械臂结合深度相机完成抓取，采集，堆叠，拆垛等项目 (可基于 ROS 或者直接 TCP/IP 通信) 3. 采用ROS完成机械臂gazebo场景仿真环境搭建 4. 2、结构光相机硬件设计、搭建 3、单目结构光相机标定+重建 4、双目结构光相机标定+重建 5、重建误差校正 6、结构光相关课题的毕业论文指导 项目技能五：相机标定（针孔、鱼眼、全景、单/双/阵列
81920编辑于 2023-04-30 - 来自专栏AI掘金志
朱力：打好国产3D视觉技术「突围战」｜3D视觉十人谈系列
作者 | 路遥 编辑 | 秀松 如果说中国的2D视觉时代，是一段追赶史，那么国内外厂商站在同一起跑线的3D视觉时代，很可能是一段超越史。过去一年，当不少行业在经历寒冬，3D视觉赛道却火热如夏。 逆势而上过程中，行业也存在诸多热议的话题，关于投资、关于竞技、关于挑战、关于落地、关于盈利…… 这是一个关于3D视觉领域创业者的系列报道，也是中国3D视觉大浪蓬勃发展中群英荟萃的英雄史记。 也就是说，创业前，朱力、汪博和吕方璐，分别从3D感知产业的产品、软件、硬件三个不同角度，参与到了3D视觉行业中。 “未来几年，3D视觉在手机、汽车、机器人、AIoT等领域会得到更广泛的应用与落地。” 推荐阅读 汪炜：板凳要坐十年冷，3D视觉需要时间和耐心 | 十人谈系列 费浙平：3D 视觉，我为何死磕核心零部件 | 3D 视觉十人谈
50820编辑于 2023-08-26 - 来自专栏云深之无迹
巴塞罗那自治大学，3D视觉课件.1
上一篇是中文的，这一篇的英文的，各有侧重点。 https://nerf-w.github.io/ https://grail.cs.washington.edu/rome/
57620编辑于 2022-11-29 - 来自专栏机器学习算法与Python学习
扩展 | 3D 计算机视觉简介
翻译 | 江舟 校对 | Lamaric 整理 | MY 来源 | AI研习社 随着 AR / VR 技术和自动驾驶汽车技术的发展，3D 视觉问题变得越来越重要，它提供了比 2D 更丰富的信息 本文将介绍两种用于 3D 场景分析的基本深度学习模型：VoxNet 和 PointNet。 3D 图像介绍 3D 图像会多包含一个维度，即深度。 3D 视觉 就像 2D 问题一样，我们想要检测并识别 3D 扫描图像中的所有对象。但与 2D 图像不同的是，为了充分使用 CNNs 方法的数据，它的最佳输入格式该是什么就成了一个需要解决的问题。 体素化网格 体素化网格是将 3D 对象拟合到网格中的最直观的方法，为了使其看起来像是像素图像，我们在这里将其称为体素。在这种情况下，3D 图像由（x，y，z）坐标描述，它看起来就会像乐高一样。 ? 在获得体素化网格后，我们接下来执行 3D 卷积计算，这有效地在基于体素的图像上滑动立方体（译者注： 3D 卷积是通过堆叠多个连续的帧组成一个立方体，然后在立方体中运用 3D 卷积核）。
1.2K20发布于 2018-09-29 - 来自专栏深度学习和计算机视觉
机器视觉中的3D成像技术
近年来，机器视觉技术变得越来越复杂，工业领域的图像处理更多的专注于3D传感器，而且越来越多的技术已经完善并且投入到实际应用中，包括焊缝的检测，以及在生产过程中对未分类部件进行仓拣或精确测量金属板。 可以说，机器视觉已经转向了3D。 在过去的几年里，点云评估和测量软件也得到了快速地的发展：从单一的图像数据转换成点云数据，对点云数据进行测量，计数和点云匹配。 正如图像处理行业的大多数玩家所知道的，获得3D图像有几种不同的方式。 ? 3D成像 ? 正如图像处理行业的大多数玩家所知道的，获得3D图像有几种不同的方式。 处理机器视觉的软件，在3D视觉中扮演着重要角色，它就像3D的“大脑”一样，但它是否像人脑一样学习？如何训练它？ 机器视觉行业对3D成像以及人工神经网络和深度学习的新可能性寄予厚望，让我们拭目以待。
1.1K31发布于 2020-06-05 - 来自专栏Coco的专栏
巧用模糊实现视觉的 3D 效果
本文较短，将介绍巧用模糊实现视觉 3D 效果的技巧。 我们都知道，在正常的视觉效果中，离我们越近的通常我们会看的越清晰，而离我们较远则相对没那么清晰~ 我们可以利用清晰与模糊两种状态来构建视差效果。 实现一个文字的 3D 变换 首先，我们需要实现一个文字的 3D 变换，这个比较简单。 文字效果： 实现文字的模糊 这个效果已经有了初步的 3D 效果，但是仅仅是这样，会觉得少了些什么。 3px 0 rgba(0, 0, 0, .5), 4px 4px 0 rgba(0, 0, 0, .3), 5px 5px 0 rgba(0, 0, 0 效果 使用模糊构建落叶效果 合理运用模糊，是能在没有 transform-style: preserve-3d 和 perspective 的加持下，也能构建出不错的 3D 效果。
71630发布于 2021-09-08 - 来自专栏云深之无迹
巴塞罗那自治大学.3D视觉课件.4
巴塞罗那自治大学，3D视觉课件.1 计算机视觉之三维重建篇.2(摄像机标定) 巴塞罗那自治大学.3D视觉课件.3
50620编辑于 2022-11-29 - 来自专栏云深之无迹
巴塞罗那自治大学.3D视觉课件.2
松山湖 可爱大狗！
22320编辑于 2022-11-29 - 来自专栏磐创AI技术团队的专栏
3分钟实现人脸检测 ｜视觉进阶
在这篇文章中，我将教你如何在3分钟内为自己建立一个人脸检测程序。 循环遍历检测到的人脸并添加边界框 for face in faces: (startX,startY) = face[0],face[1] (endX,endY) = face[2],face[3]
61240发布于 2019-10-14 - 来自专栏3D视觉从入门到精通
3D视觉技术的6个问答
前言 自从加入学习圈「3D视觉技术」以来，与小伙伴们一起讨论交流了近200多个学术问题，每每遇到一些令我难以回答的问题，我都会为自己学识有限而深感焦虑。 今从中挑选六个3D视觉技术的问答，但愿也能让更多小伙伴受益，一起学习，多多交流，更进一步～ 六个问答 问答1： 我们一般用的镜头是定焦镜头，那么我们在镜头上调焦，让模糊的的图像变清晰，这是什么过程？ 1)基于三维视觉的物体位姿估计的算法评估（综述）2017 在“Recovering 6D Object Pose: Multi-modal Analyses on Challenges”中：2018 在 Methods to Deep Learning Techniques”中：从传统识别方法到深度学习技术 bin-picking中传统方法：linemod，ppf比较可靠 2)针对刚性物体的基于三维视觉的识别与位姿估计的方法主要分为五类 3)补充博客上没有的基于深度学习（三种方法）：新出的meshrcnn可以关注一下（深度学习我不是很了解） a.基于2D投影的深度学习网络 多视图处理神经网络在处理3D图像的分割和分类任务中的中心思想是：
72010发布于 2020-12-11 - 来自专栏宜达数字
3D视觉传感技术科普
3D视觉传感方案技术介绍 深度传感镜头作为智能手机创新模式，苹果在最新版iPad Pro上搭载了D-ToF（直接飞行时间法）深度传感镜头，推动了3D视觉在消费场景的应用。 3D视觉传感技术是一种深度传感技术，除了对象的X和Y值之外，还可以记录Z值。 3D坐标系 主流的3D光学视觉方案：双目立体视觉法（Stereo Vision，在下文称双目法），结构光法（Structured Light，在下文称结构光）以及飞行时间法(Time of Flight 这一基本理论对立体视觉技术的发展产生了极大的推动作用，在这一领域已形成了从图像的获取到最终的三维场景可视表面重构的完整体系，使得立体视觉已成为计算机视觉中一个非常重要的分支。 完整的双目立体视觉系统通常可分为数字图像采集、相机标定、图像预处理与特征提取、图像校正、立体匹配、三维重建六大部分。双目立体成像法具有高3D成像分辨率、高精度、高抗强光干扰等优势，而且可以保持低成本。
1.7K30编辑于 2021-12-21 - 来自专栏贾志刚-OpenCV学堂
DINOv3视觉基础大模型正式发布！
Meta 宣布发布 DINOv3，这是一个前沿的自监督视觉基础模型，在广泛的计算机视觉任务中实现了前所未有的性能。 我们还使用在自然图像（c）和航拍图像（d）上训练的 DINOv3 生成了特征的 PCA 图。 DINOv3 通过采用全面的模型套件来扩展自监督学习的应用范围，以满足不同的用例需求。 DINOv3 能够生成高分辨率、密集的特征图，从而推动图像分类、语义分割和目标检测方面的卓越性能。即使在未经微调的情况下，它也能始终如一地超越专用模型，在广泛的视觉任务中展现出最先进的结果。 DINOv3模型家族 通过 DINOv3，我们显著改善了密集特征图的退化问题，这要归功于 Gram anchoring。随着 SSL 导致的训练模型规模扩大，结果是显着的性能提升。 因此，我们提出了 DINOv3 视觉模型家族，这是一套全面的设计，旨在解决广泛的计算机视觉挑战。 该模型家族旨在通过提供可扩展的解决方案来推进最先进的技术，这些解决方案适应不同的资源限制和部署场景。
26310编辑于 2026-04-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号