机器学习实践系列之12 - OpenCV之三维重建

本文介绍了使用OpenCV进行三维重建的方法,包括摄像机标定、双极线与结构光的原理,以及如何通过双目视觉和结构光实现立体匹配和三维重建。文中提到的格雷码编码简化了匹配过程,并展示了重建效果。
摘要由CSDN通过智能技术生成

       又一次提到了 三维重建,许是三维重建的应用面太广,从 PrimSense 到 Kinnect 再到RealSense,还有一堆国内的山寨机不表。

       从 Kinnect Fusion 到 Project Tango,伟大的项目 见证着一个说法:世界总归是三维的。

        

       那就用 3D 来感知世界吧!


一. 摄像机的深度?

       如何从摄像机来获取深度,最简单的方法莫过于买一个 RGBD Camera了,对于 RGBD 摄像机的分类,主要有以下几种:

1. TOF(Time of fly)

    通过激光测距的方式计算飞行时间,确定反射距离,这类相机准确度比较高,但成本也很高。

2. 结构光

    结构光 所谓结构可以看作是图案(点、线、面等),将结构光投射至物体表面,接收器接收该物体表面反射的结构光图案,利用图案的形变来计算物体的几何信息。

3. 纯双目视觉立体匹配

    纯双目就是利用双目视觉特征,通过特征点匹配来进行计算,这里的计算通常是采用三角测量原理。

       本节按照

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值