一.深度图简介
目前深度图像的获取方法有激光雷达深度成像法,计算机立体视觉成像,坐标测量机法,莫尔条纹法,结构光法等等,针对深度图像的研究重点主要集中在以下几个方面,
- 深度图像的分割技术
- 深度图像的边缘检测技术
- 基于不同视点的多幅深度图像的配准技术
- 基于深度数据的三维重建技术
- 基于三维深度图像的三维目标识别技术
- 深度图像的多分辨率建模和几何压缩技术等等
在PCL 中深度图像与点云最主要的区别在于其近邻的检索方式的不同,并且可以互相转换。
深度图像(Depth Images)也被称为距离影像(Range Image),是指将从图像采集器到场景中各点的距离值作为像素值的图像,它直接反应了景物可见表面的几何形状,利用它可以很方便的解决3D目标描述中的许多问题,深度图像经过点云变换可以计算为点云数据,有规则及有必要信息的点云数据可以反算为深度图像数据。
从数学模型上看,深度图像可以看做是标量函数j:I2→Rj:I2→R在集合K上的离散采样,得到ri=j(ui)ri=j(ui),其中ui∈I2ui∈I2为二维网格(矩阵)的索引,ri∈R,i=1,...,kri∈R,i=1,...,k,以下为从不同视角获得的深度图像过程示意:
二. 如何从点云创建深度图
2.1 深度图Class介绍:
->类名: pcl::RangeImage
->继承关系:RangeImage类继承于PointCloud,主要功能是实现一个特定视点得到一个三维场景的深度图像。其继承关系如下:
2.2 通过点云创建深度图:
->语句:createFromPointCloud(pointCloud, angularResolution, maxAngl