目标检测YOLO实战应用案例100讲-【目标检测】基于深度学习的手部增强现实技术（续）

目录

2.2.3相机畸变矫正原理

3 自上而下的多目标姿态估计神经网络

3.1基于Yolo X的手掌检测

3.1.1对mosaic数据增强的优化

3.1.2修改损失函数

3.2基于HRNet的手指关键点检测

3.2.1使用混合精度训练网络

3.3训练自上而下的多目标姿态估计网络

3.3.1训练Yolo X手掌目标检测器

3.3.2训练HRNet手关键点姿态估计检测器

3.3.3自上而下的手特征点姿态估计检测器

4 基于计算机视觉的双目成像系统

4.1实验流程

4.2硬件结构搭建

4.3双目成像算法

4.3.1相机标定

4.3.2手指深度计算

4.3.3坐标系矫正

4.3.4运行优化

4.4增强现实程序

---

本文篇幅较长，分为上下两篇，上篇详见基于深度学习的手部增强现实技术

2.2.3相机畸变矫正原理

虽然厂商提供了相机的详细参数，由于相机在制作过程中会产生细微的差异 和透镜对画面的扭曲，实际成像会产生畸变，畸变的存在会影响计算的深度，因 此在计算深度之前需要消除相机的畸变。
相机的畸变主要有两种，径向畸变和切向畸变。径向畸变产生的原因是透镜
的不同部位的放大倍率不同，会对画面产生扭曲，如图2-18所示a为枕形畸变，b
为桶形畸变，两种畸变均是径向