RGB-D图像的HHA编码

于 2021-04-09 14:13:01 发布
阅读量865 收藏 1
点赞数
分类专栏： RGB-D
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41581769/article/details/115549405
版权

深度信息在室内场景识别

所谓HHA即将深度图像转换为三种不同的通道(水平差异，对地高度以及表面法向量的角度)。这种方法取得了非常不错的效果，但是 HHA 编码方法只是在强调每个通道数据之间的互补信息而忽略了各个通道的独立成分，具有一定局限性
生成HHA图像的github上代码：
https://github.com/s-gupta/rcnn-depth

来张我弄出来的效果图
在这里插入图片描述

qq_41581769
关注
专栏目录
RGB-D场景识别论文阅读：MSN: Modality Separation Networks for RGB-D Scene Recognition
maths_girl的博客
06-26 674
2020年6月26日 MSN: Modality Separation Networks for RGB-D Scene Recognition 是由 Xiong et al. 发表在SCI二区Neurocomputing的一篇关于RGB-D场景识别的论文。 一、摘要： 由于场景布局复杂且对象杂乱，基于RGB-D图像的室内场景识别是一项艰巨的任务。尽管深度模态可以提供额外的几何信息，但是如何更好地学习多模态特征仍然是一个悬而未决的问题。考虑到这一点，在本文中，我们提出了模态分离网络，以同时提取模态一致
HHA:在＃MxHacks3创建有趣的闹钟
05-05
哈哈 在＃MxHacks3创建有趣的闹钟
matlab中灰色的代码-Depth2HHA-python:使用python3将深度图像转换为hha图像
05-21
matlab中灰色的代码Depth2HHA-python 介绍 此仓库在python3中实现了HHA编码算法。 HHA图像是一种编码算法，可以更好地利用深度图像，这是由在本文中： 。 该算法最初是在MATLAB中实现的，我组织了代码的MATLAB版本：。 在此仓库中，我使用python3获得与MATLAB代码完全相同的结果。 我们需要的是： 深度图 原始深度图像（可选） 相机矩阵 如果您对深度图像感到困惑或没有深度图像，请参阅。 用法 我已经在getHHA.py中提供了一个接口。 该函数名为getHHA（C，D，RD） 。 具体而言，它需要相机矩阵C ，深度图像D和原始深度图像RD 。 RD用于生成掩码以标记缺少的信息，因此，如果您没有原始深度图像，或者只想这样做，则可以使用getHHA（C，D，D） 。 D = cv2 . imread ( os . path . join ( root , '0.png' ), cv2 . COLOR_BGR2GRAY ) / 10000 RD = cv2 . imread ( os . path . join ( root , '0_raw.pn
RGB-D 图像的HHA编码
a237072751的博客
09-16 3749
HHA 编码 在处理RGB-D图像时，常将其转化为HHA编码的图像。该编码方式是由Gupta[1]于提出。 其中HHA的含义为 HHA: horizontal disparity, height above ground, and the angle the pixel’s local surface normal makes with the inferred gravity directio...
RGB-D图像识别中的HHA是什么？
jiao_mrswang的博客
10-10 8194
深度信息表示： 深度信息在室内场景识别中十分重要,可以显著提高认知水平.一种最简单的方法是把Kinect获得深度的深度图线性重定标到0-255，在输入层中增加一个通道。另一种方法是使用三个通道对深度图重新编码，这三个通道分别是水平视差、高于地面的高度和像素的局部表面与推断重力方向的倾角， 这种编码方式称为HHA。然后把HHA编码得到的3个通道数据线性重定标到0-255，转化为RGB图像。 HHA...
RGB-D图像知识以及与HHA的关系
Cheungleilei的博客
12-13 2880
RGB-D RGB-D=RGB + Depth Map 从RGB图像中，是无法获取深度信息的，但Depth Map，也就是深度图像的每个像素点的灰度值是可以表征场景中某一点距离摄像机的远近的，包含与视点的场景对象的表面距离有关的信息的图像或图像通道，类似于灰度图像，只是它的每个像素值是传感器距离物体的实际距离。通常RGB图像和Depth图像是配准的，因而像素点之间具有一对一的对应关系。 RGB-D...
UC-Net：基于条件变分自编码器的RGB-D显著性检测
8582UC-Net：通过条件变分自动编码器张静1，4，5范登平2，6，戴玉超3赛义德安瓦尔1，5...现有的RGB-D显著性检测方法将显著性检测任务视为点估计问题，并在确定性学习管道之后产生单个显著性图。受显著性数据
深度感知CNN用于RGB-D分割
深度数据的可用性使得使用CNN的RGB-D语义分割能够取得进展现有技术的方法使用深度作为附加图像或处理3D体积或点云中的空间信息。这些方法具有高计算和存储成本。为了解决这些问题，我们通过引入两个直观，灵活和有效...
基于局部敏感的门控融合反卷积网络用于RGB-D室内语义分割
D室内语义分割程艳华1，2，蔡瑞3，李志伟3，赵欣1，2，黄凯琪1，2，41CRIPAC NLPR，CASIA2中国科学院大学3微软研究院4中科院脑科学与智能技术摘要RGB深度（HHA）GT DeconvNet本文主要研究基于RGB-D数据的室内语义...
ShapeConv：用于室内RGB-D语义分割的形状感知卷积层
7088ShapeConv：用于室内RGB-D语义分割的曹金明1HanchaoLeng 1DaniLischinski 2DannyCohen-Or 3Changhe Tu1* Yangyan Li1山东大学2耶路撒冷希伯来大学以色列3以色列特拉维夫大学4中国阿里巴巴集团{jinming....
ECCV2020 | 北京大学提出RGB-D语义分割新网络，多模态信息融合
AI算法修炼营的博客
08-04 7150
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达这篇文章收录于ECCV2020，由北京大学、商汤科技、香港中文大学提出的基于RGB-D图像的语义分割算法。充分考虑了R...
Fully Convolutional Networks for semantic Segmentation（深度学习经典论文翻译）
weixin_30328063的博客
01-04 1873
摘要 卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络，输入任意尺寸，经过有效的推理和学习产生相应尺寸的输出。我们定义并指定全卷积网络的空间，解释它们在空间范围内dense prediction任务(预测每个像素所属的类别)和获取与先验模型联系的应用。我们改编当前的分类网络(AlexNet...
【论文复现教程——第一期】(3DGNN)3D Graph Neural Networks for RGBD Semantic Segmentation
银河系搬运工的博客
06-14 3705
3D Graph Neural Networks for RGBD Semantic Segmentation 的一次复现教程 1. 下载并安装matab2016a破解版、pycharm、python环境 Matlab：百度云的链接自己找的，安装成功与否是未知的，需要自己尝试。 Pycharm：百度一下，官网就可以，同样，要破解版自己找吧，这个教程很多，不一一赘述。 Python：这里需要0.4.1版本，CUDA 8.0 ，最好是GPU版本，可缩短大量训练时间。 以上软件网上安装入门教程一大堆，不会的话自
什么是RGB-D图像
热门推荐
qq_32951799的博客
11-21 2万+
转载：http://blog.csdn.net/jningwei/article/details/73609127 RGB-D图像其实是两幅图像：一个是普通的RGB三通道彩色图像，另一个是Depth图像。Depth图像类似于灰度图像，只是它的每个像素值是传感器距离物体的实际距离。通常RGB图像和Depth图像是配准的，因而像素点之间具有一对一的对应关系。 可以参考： Lai, K.; Bo,
Linq+lambda表达式+delegate委托详解及代码示例
Fish的博客
12-12 1230
一、Linq 简介：提供一种统一且对称的方式，让程序员在广义的数据上得到和操作“数据”。简单点说，就是在C#后台像sql查询一样操作集合和数组，从而筛选出我们想要的结果。 c#定义的各种简化查询 代码示例： int[] scores1 = new int[] { 97, 92, 81, 60, 541, 1, 88, 81, 79 }; int[] scores2 = n...
语言代码表
weixin_34417200的博客
01-25 2557
语言代码表 语言代码 语言名称 af 南非语 af-ZA 南非语 ...
语义分割之3D Graph Neural Networks for RGBD Semantic Segmentation
画心
03-24 4719
3D Graph Neural Networks for RGBD Semantic Segmentation 文章目录3D Graph Neural Networks for RGBD Semantic Segmentation动机深度信息编码RGBD图像分割图神经网络贡献图构建传播模型预测模型效果实验细节对比结果消融实验总结思考相关链接 原文章：https://www.yuque.com/...
RGB-D Scene Classification via Multi-modal Feature Learning论文翻译
york1996的博客
08-12 1222
摘要 以前的方法大部分是用全局信息来进行场景的分类，并且把图像中所有的像素用来高级别的任务。它们只是把RGB和深度信息连接起来，没有探索RGB和深度的关系和互补性，也没有考虑局部特征的分布。从人的观点来看，我们识别物体的种类一般是通过：外观，纹理，形状和深度。不同物体之间的结构分布也要考虑。基于这个观察，建立一个中级别的物体区分性的表示应该会对场景分析很有效。作者提出了LM-CNN（new Co...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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