【深度学习初探】Day31 - 三维点云数据的获取

【深度学习初探】Day31 - 三维点云数据的获取

---

---

        在进行三维点云图像研究时，我们首先要获得三维点云的数据集，而如何获取成了一个难题。点云数据是一团“点”组成的数据集，这些“点”包含了丰富的信息，包括三维坐标（在当前坐标系下的）X，Y，Z，颜色、分类值、强度值、时间等等。那么如何准确获得这些点的信息，经过多年的研究，我们总结出了如下几种方案。

一、激光扫描仪（LiDAR）

        激光三维扫描仪利用激光测距的原理，通过记录被测物体表面大量的密集的点在三维坐标、反射率和纹理等信息，能快速复建出被测目标的三维模型及线、面、体等各种图件数据。原理图：

        一般利用激光扫描的方式主要用于逆向工程，负责曲面抄数，工件三维测量等，针对没有技术文档的三维实物、样品或模型，快速测出物体的轮廓集合数据，加以构建，生成通用输出格式的曲面数字化模型。
        它的特点是成本相对较高，但是生成的点云质量高。

二、深度相机（Depth Camra）

        通过红外激光器把具有结构特征的光线投影到物体上，通过红外摄像头采集得到深度信息，如微软的Kinect，Kinect 2。
        传统的RGB彩色普通相机称为2D相机，只能拍摄视角内的物体而没有物体到相机的距离信息。但 RGB-D 深度相机（又称为3D相机，RGB-D 的D代表 Dpeth，深度信息）可以获取物体到相机的距离信息，加上2D平面的X，Y坐标，可以计算出每个点的三维坐标，这个三维坐标可以被应用于三维重建、目标定位、识别等领域。
        它的特点是计算量小、夜晚也可用、成本较低。

三、双目相机（Stereo Camera）

        双目相机使用的是普通相机而非 RGB-D 相机，它是使用两个相机从不同位置获取物体的两幅图像，通过计算对应点的位置偏差，使用三角原理（Triangulation）计算点的三维坐标。
        它的特点是成本低、室内室外都适用、对环境光敏感。
        双目立体相机的成像原理如图所示：

通过左右两个摄像头获取图像，计算视差，模拟出人的双眼，然后通过一些计算将现实中的目标（世界坐标系）转换到二维图像坐标系上（像素坐标系和图像坐标系），而这之间的转换依靠相机坐标系。

四、运动恢复结构（Structure from Motion）

        SfM 是一种三维重建算法，可以通过两个或多个场景（图片）恢复相机位姿，并重建三维坐标点。只需给出多幅图像及其图像特征点的对应集合，就可以估计3D点的位置和摄像机姿态（运动）。

        这种方法的特点是成本低，但是计算量很大。

总结

        以上是四个常用的点云获取方法，其中，通过 LiDAR 激光探测与测量是比较好的获取点云的方法，这样获得的点云更加拟真。
        根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity），强度信息和目标表面的材质、粗糙度、入射角方向以及仪器的发射能量、激光波长有关。
        根据相机摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。
        根据获取点云数据的方式不同，后续处理点云的基础信息也不同。