计算机视觉工坊-CSDN博客

原创 LiNeXt：重新思考LiDAR补全——高效非扩散架构新方案！199.8倍加速，50.7%精度提升

在SemanticKITTI上，LiNeXt（无细化）CD降至0.214，3D JSD 0.494，BEV JSD 0.336，推理速度0.167s，参数量1.99M。N2C模块通过MSSC提取输入点云与噪声点云特征，经多级下采样生成种子点与全局特征，结合CPA融合层级关系，最终回归粗点云坐标与特征，并传递中间张量至Refine模块。Refine模块利用N2C的中间特征，通过CPA融合粗点云与一级下采样点云的结构信息，经反卷积上采样生成最终细化点云，纠正残余噪声，恢复几何一致的结构。生成更均匀的噪声点云。

2026-02-14 07:05:15 640

原创无需本体！仅一部手机就能完成VLN真实场景数据采集

无论您是致力于构建百万级轨迹的大规模具身数据集，还是寻找一个轻量级、可视化的 3D 感知 Baseline，L3ROcc 都是一个值得信赖的开源方案。：框架提供了逻辑清晰的功能化脚本，不同的应用场景对应专属的运行模式，只需修改命令行参数，即可实现输入源、输出模式、是否保存点云的切换，真正做到「零代码修改，快速验证」，大幅提升算法研究与开发的效率。：面向“从零构建”的场景。利用特征的排列等变性，彻底摒弃了对参考帧的依赖，在面对大动态视差、弱纹理区域及长序列跟踪时展现出极强的鲁棒性，能够直接从视频流中以。

2026-02-13 13:53:37 448

原创一文详解相机内参标定，如何规避三大典型误区？

仅对一个静止平面进行多次拍摄，若该平面本身未发生空间姿态变化（即仅有平移、无旋转，尤其缺乏Z方向的高度变化），那么所有图像在几何上提供的信息本质上是冗余的——看似拍了20张，实则只相当于一张图像的约束。：如果标定过程中相机或标定板的姿态缺乏有效旋转——例如仅轻微倾斜、仅沿单一方向移动，或所有姿态几乎共面——那么各图像之间的几何差异极小。图像中的角点需展示出明显的透视变化，这是评估平面是否正确旋转的重要指标之一，透视变化越大，提供的三维信息越丰富。采集的数据进行相机内参标定的过程中，踩过坑也收获不少。

2026-01-25 16:30:09 711

原创＜span class=“js_title_inner“＞一文详解相机内参标定，如何规避三大典型误区？＜/span＞

仅对一个静止平面进行多次拍摄，若该平面本身未发生空间姿态变化（即仅有平移、无旋转，尤其缺乏Z方向的高度变化），那么所有图像在几何上提供的信息本质上是冗余的——看似拍了20张，实则只相当于一张图像的约束。：如果标定过程中相机或标定板的姿态缺乏有效旋转——例如仅轻微倾斜、仅沿单一方向移动，或所有姿态几乎共面——那么各图像之间的几何差异极小。图像中的角点需展示出明显的透视变化，这是评估平面是否正确旋转的重要指标之一，透视变化越大，提供的三维信息越丰富。采集的数据进行相机内参标定的过程中，踩过坑也收获不少。

2026-01-25 16:30:09 975

原创突破具身智能长程任务瓶颈！EchoVLA双重记忆机制赋能移动操作机器人，超越π0.5

在对比测试中发现，基线模型π_(0.5)虽然在单步操作上表现尚可，但在涉及长距离导航后的操作时常常“掉链子”——例如在“去厨房拿杯子”任务中，它容易在导航结束后忘记具体的抓取目标。：在复杂的移动操作任务中，EchoVLA 的平均成功率达到 0.52，比强力基线 π_(0.5) 高出 11% 以上，而传统的行为克隆（BC）几乎无法完成此类任务。这一工作表明，未来的具身大模型不仅需要“看”和“说”，更需要通过显式的记忆模块来“理解”和“规划”复杂的物理世界。的——即决策仅依赖于当前的观测。

2026-01-20 16:59:01 608

原创 AAAI 2026 Oral！华科最新提出GRANT：首次融合运筹学与3D空间感知，解锁具身智能并行任务执行新范式

在本研究中，我们提出了一种新的并行任务执行框架，使具身智能体能够像人类一样在执行一项任务的同时主动规划和并行处理其他任务，而非僵化地按顺序执行操作。实验结果表明，GRANT 在并行任务执行上显著优于现有具身智能方法，在总体任务效率上实现了 30.53% 的突破性提升，并在 AAAI 2026 获得口头报告（Oral Presentation）认可，表明了其在 3D 具身智能任务规划领域的先进性和实用价值。这迫使模型不能简单地单步执行子任务，而必须在理解 3D 空间的同时，对全流程进行全局的最优规划。

2026-01-12 16:58:23 629

原创＜span class=“js_title_inner“＞InfiniteVGGT：上海交大团队提出支持无限长度视频输入的VGGT变种，打破长序列3D视觉几何估计显存瓶颈＜/span＞

因此，真正的解决方案应当是构建一个动态维持的记忆机制——在严格受限的显存预算下，像生物记忆一样实时“新陈代谢”，不断以高价值的新特征置换旧的冗余，确保有限的显存始终承载着最关键的几何线索。第一帧定义了世界坐标系的原点和尺度。在传统的 Transformer 设计中，KV Cache 预算通常被均匀地分配给每一层，这样就会造成“深层显存过剩（保存较多重复的语义Token），浅层显存不足（丢失了关键的几何细节）”的资源错配。我们发现，视频流中相邻帧的视角变化极小，导致以Token形式存储的记忆存在大量冗余。

2026-01-08 10:03:56 921

原创上交最新广义端到端自动驾驶综述：统一视角下的三大范式

这几年，自动驾驶的技术流派可谓“神仙打架”：从早期的一体化端到端，到火遍全网的 VLA，再到如今炙手可热的世界模型（World Model），几乎每一家做自动驾驶的公司，都在强调自己那条“独一份”的技术路线。遗憾的是，目前大多数自动驾驶综述在梳理技术路线时，往往把端到端和 VLA 当成两条平行、割裂的路线来讲，很少从统一视角去对比分析。再把 MPC 的可行性反馈给 LLM，形成闭环。图1 端到端自动驾驶范式对比。(a)(b)传统端到端、(c)以大模型为中心的端到端、(d)(e)混合端到端。

2025-12-13 22:37:15 1124

原创 SLAM与3DGS学习路线有啥不同？

如果是想走GS SLAM的话，我建议可以选一个比较经典的开源框架（比如SplaTAM、MonoGS），先不用着急吃透代码和原理，先把它在公开数据集上跑起来（比如Replica、TUM），运行起来通过GUI你就能理解3D GS到底是个什么东西，运行起来到底是什么样子，然后你可以带着问题“比如它到底是怎么优化的pose，新的高斯点具体是如何生成，具体是如何做的BA”去查文献和代码。通过这个过程你也能看出来这个框架存在哪些问题，解决这些问题，你的创新点和工作量就有了。「3D视觉从入门到精通」星友提问。

2025-12-08 11:02:25 245

原创基于三迪斯维Pickwiz手眼标定流程详解

“手”即机器人，“眼”即3D相机，手眼标定是校准“手”与“眼”之间的空间关系，即确定相机坐标系与机器人末端坐标系之间的刚性变换矩阵（包含旋转和平移），以便将视觉信息准确转化为机器人动作，从而实现准确的视觉引导抓取放置。眼在手上(EyeInHand)：相机固定安装在机械臂的末端工具上，随着机械臂的运动而运动，相机相对于机器人末端法兰是固定的，标定板相对于机器人基座是固定的。相机固定安装在机械臂的末端工具上，机器人类型为六轴机器人，标定流程请参照眼在手上六轴机器人标定。

2025-11-12 16:43:41 348

原创一文详解点云模板制作的要素、原则及案例

任意姿态：工件可能以任意角度出现，有效点云区为在80%以上姿态下均能稳定成像的区域（排除深孔、过曝区、凹槽等易缺失点云的部分）。根据场景摆放和工件特性，应使用正反模板，分别制作工件的正面点云和反面点云，关键点取工件整体的关键点。工件姿态变化：工件有序摆放，仅能看到工件的上表面（大圆+小圆），有效点云区则为该工件的上表面。工件姿态变化：工件有序摆放，仅能看到工件的上表面（大圆+小圆），有效点云区则为该工件的上表面。点云成像质量：边缘有噪点、面内点云小幅度波动、点云覆盖率高，部分情况有点云缺失。

2025-11-09 12:23:53 1084

原创 3D视觉引导高反光圆柱棒上下料全流程

抓取点默认基于圆柱轴线上的尺寸中心和半径生成，生成数为360/旋转抓取间隔*2（正反方向），也可以从端点开始，根据先验尺寸估计出圆柱中心（一般应用在圆柱紧挨导致模型将多个圆柱拟合为一个的场景）如果发现拟合圆柱与实际圆柱不符（如拟合圆柱点云缺失、弧度弯曲），应当调大拟合参考距离，将更多的点云纳入拟合圆柱，数值过大可能包括噪声点。模型根据实例点云计算一个理想的圆柱，与该理想圆柱的距离小于拟合参考距离的点云被拟合成圆柱。计算拟合成圆柱的点云数量与实例点云的数量的比值，比值小于拟合分数阈值的拟合圆柱将被过滤。

2025-11-07 15:24:36 1011

原创 3D视觉引导圆面抓取全流程详细介绍

上传上传工件的模板点云文件用于精匹配，应当在C:\Users\dex\Documents\PickWiz\项目名称\data\PickLight\历史数据时间戳\Builder\pose\output选取inverse_pcd文件。上传的模板点云应当选取C:\Users\dex\Documents\PickWiz\项目名称\data\PickLight\历史数据时间戳\Builder\pose\output中的inverse_pcd文件。导入的模型只用于显示，方便观察抓取点，不参与计算。

2025-11-06 18:32:32 1154

原创 3D相机及双目AI相机的详细使用教程

激光振镜结构光相机：使用激光代替DLP芯片，因为DLP芯片被TI公司所垄断，并且DLP芯片价格高昂，依赖于光机的光学设计等，在一些精度要求稍低（抓取精度±2mm）的大视野场景，使用DLP方案将会带来极大的成本，于是选择了灰度精度不太高的激光线束条纹代替DLP光机的条纹，低成本的同时也满足了实际需要；传统双目相机：和人眼的原理类似，精度低，帧率高，在一些消费级产品可能看到，例如体感游戏，有数厘米的误差，关灯之后就用不了；Tof相机：依赖测量光的飞行时间，测量物体三维信息；

2025-11-04 15:19:14 778

原创 3D视觉引导纸箱拆垛全流程详解

▲长按添加小助理微信：cv3d007 或者 13451707958，咨询更多。▲长按查看3D相机和机械臂抓取软件。

2025-10-30 11:34:35 246

原创一文详解3D视觉引导机器人系统

通过正确地定义机器人坐标系，可以将机器人的运动与所需的位置和姿态进行精确匹配，使机器人能够在不同的任务和环境中进行准确的定位和操作，实现高效率和高质量的工作。转换过程中，每个像素的深度值结合其在图像中的位置（u, v）和相机的内参（如焦距、光心位置），可以计算出对应的三维点坐标（X, Y, Z）。：通常指的是二维图像，如照片或屏幕截图，它包含的是平面上的像素信息，没有深度信息。计算相机和机器人的相互关系，将视觉识别到的相机坐标系下的目标，转换成机器人坐标系对应的坐标，引导机器人进行抓取。

2025-10-27 18:50:57 916

原创 DriveBot-Q1智能小车轻松实现从A到B点自主导航

确认所有传感器话题均已发布且频率均正确后，将无人车移动到采集2D栅格地图时的起始位置和方向（加快小车获取初始位置），启动定位。启动所有传感器，确认所有传感器话题均已发布且频率均正确后，准备采集数据(所采集的环境使得激光雷达达到尽可能多的结构化特征，如墙面、转角、静态物体等)观察到地图建立完成后，返终端中查看cartographer算法是否运行完成，建图完成后切勿中断该脚本！调试人员和无人车保持1m距离以上，将遥控器调至自动模式，无人车即可朝目标点移动，最终在目标点位置停止。下图所示，则保存地图成功。

2025-07-19 00:00:47 965

原创 JD-500！3D iTOF工业相机！一键测量物体体积！操作简单！精度高！

主机电脑的IP地址需与相机保持在同一网段，JD-500的默认IP是192.168.31.3，将电脑ip修改成192.168.31.x即可。放好物体后，点击测量一次即可，体积以长宽高形式输出。盒子等常规物体误差在5mm左右，软包在10mm左右。红色框，同样手动框选，需在蓝色框内，且小于蓝框。注：标定时，框选范围内不可有物体，必须是空的。可切换为深度图/灰度图/RGB图。蓝色框，手动框选出整个测量区域。三开启相机及显示模式。3.2 显示模式的切换。3.1 点击开启相机。4.2 标定工作区域。

2025-06-24 18:22:09 611

原创一文梳理相机与激光雷达外参标定系统教程！

此时要使用E(左)、D(右)、S(上)、W(下)、Q(顺时针)、A(逆时针)进行调整，使点云与原物大致贴合，调整之后如图11所示。上述的${data}录制bag包路径，运行完毕，会在相应的文件夹下产生一个pdf文件件，里面有标定的结果和重投影误差（reprojection errors）！手持扫描仪HandBot-S1默认使用的是右目，在技术的指导下进行相关修改，使其可以录制符合要求的bag包，从而进行标定。完成了单目相机内参的标定，近期由于学习开发和发论文的需要，需要进行标定双目相机的内外参。

2025-06-23 15:34:39 994 2

原创别重复造轮子！DriveBot-Q1：SLAM、建图、规划、避障实现“开箱即用”！

DriveBot-Q1智能无人车整车配置如图4所示，由高精度有源车载天线、IMU，Livox MID360激光雷达、工业级相机和双频工业路由器组成，定制适配的无人车底盘，搭建出一套完整的无人车硬件系统。DriveBot-Q1智能无人车是一款专为高校科研设计的多功能无人车，采用阿克曼车辆底盘，集成计算平台、车辆控制单元(VCU)、单线/多线激光雷达、单目相机、IMU和GNSS等硬件。DriveBot-Q1智能无人车所有传感器经过严格时间同步，支持点云建图、避障、激光定位、决策规划和控制等功能，实现自主导航。

2025-06-19 15:49:16 855

原创 JD-500！3D iTOF工业相机！室内室外使用！体积小！性价比高！0.2～5m测距

JD-500是一款基于3D iTOF（indirect Time-of-Flight）技术方案的工业相机产品，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射的相位差，再转换成时间差，来换算被拍摄景物的距离，以产生深度信息。产品的技术方案可提供高精度（毫米级）的深度图和三维点云图，集成 RGB（选配）的JD-500相机，可以输出像素对齐的RGBD图像；（点云图、点云融合图）（点云图、点云融合图）（点云图、点云融合图）（点云图、点云融合图）（点云图、点云融合图）

2025-06-19 15:47:29 628

原创 KW-DCW！结构光3D相机！Linux C++版本SDK超好用教程！

这使得它成为一款强大的3D相机，特别适用于3D扫描、工业3D缺陷检测，并可与机器人在工业无序抓取、上下料等场景下无缝配合使用。的KW-DCW 3D相机为例，介绍在Ubuntu系统下使用C++ SDK采集数据的方法，对于其他型号的相机，KW-SCW、KW-LCW用法相同。我们对金属零配件进行了高动态下的成像测试，KW相机在高反光场景下表现非常出色，点云成像效果令人惊艳，展现了其卓越的成像性能。在bin文件目录下运行，打开gui。苏州三迪斯维智能科技有限公司。在C++文件夹目录下运行终端。

2025-06-05 11:50:08 453

原创太酷啦！Fast-Livo2在HandBot-S1中运行成功！效果喜人！

大家好，我是jack，近期由于工作需要，公司采购了一套3D视觉工坊的，并在技术老师的指导下，编译并运行成功Fast-Livo2。HandBot-S1手持三维扫描仪。

2025-05-28 14:26:18 1165 1

原创一骑绝尘！KW系列3D相机！精度高、体积小、价格低、SDK超好用、稳定性强！

苏州三迪斯维智能科技有限公司的KW系列3D相机采用主动结构光技术，拍摄速度快、成像精细、方案成熟稳定，针对不同应用场景物体可输出高质量点云数据图，精度高、速度快、环境自适应性强，适用于工件上下料、拆码垛、机器人视觉引导等多种应用场景。原文一骑绝尘！KW系列3D相机！精度高、体积小、价格低、SDK超好用、稳定性强！添加图片注释，不超过 140 字（可选）

2025-05-28 14:22:44 337 1

原创在CloudCompare下如何将PLY点云数据转成深度图显示效果

调整properties中dispaly range的数值，点云本身深度区间最佳。下图是用苏州三迪斯维智能科技有限公司的。重建的硬币，本教程将用此素材做演示。将点云的颜色按照深度范围筛选后显示。演示素材已放至知识星球，需要自取。一根据坐标系对点云着色。来源：计算机视觉工坊。

2025-05-20 19:02:53 407

原创 KW-DCW！3D相机Python版本SDK使用教程详解

这使得它成为一款强大的3D相机，特别适用于3D扫描、工业3D缺陷检测，并可与机器人在工业无序抓取、上下料等场景下无缝配合使用。本文以KW-DCW 3D相机为例，介绍如何使用Python SDK采集数据的两种方法，对于其他型号的相机，KW-SCW、KW-LCW用法相同。我们对金属零配件进行了高动态下的成像测试，KW相机在高反光场景下表现非常出色，点云成像效果令人惊艳，展现了其卓越的成像性能。1.2.1 安装KW-2.2-cp310-cp310-win_amd64.whl库。三 Python SDK使用方法。

2025-05-17 12:08:50 799

原创一文搞懂ROS2 Nav2：概念解析和源码编译安装的踩坑总结

当我们执行到叶子节点时，也就是具体最终执行的动作，比如ComputePathToPose节点，就是规划机器人起点到终点的全局路径。PipelineSequence：也是行为树控制节点，可以有多个孩子，这里假设由两个孩子，左边的孩子是child1，右边的孩子是child2，如果child1执行成功，则会执行child2，如果child2返回RUNNING，则又会去执行child1，主要特点是在某个子节点返回 RUNNING 时，会重新触发之前的所有子节点。根据所选的命名法和算法，该路径也可以称为路线。

2025-05-13 12:09:19 2597

原创 windows下安装Python软件详细教程

Python安装完毕后，不但可以在Windows命令行(cmd) 使用交互模式，还可以使用安装程序自带的交互式开发工具IDLE。新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘。新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘。以上，由此可验证Python已经成功安装在windows电脑上。想要入门3D视觉、做项目、搞科研，想要入门3D视觉、做项目、搞科研，, 选择命令行提示符，并点击“

2025-05-12 19:12:05 452

原创小白入门Kalibr标定实战

标定完毕，则会在相应的文件夹下产生一个pdf文件件，里面有标定的结果和重投影误差（reprojection errors）！本人3D视觉小白，目前研一，最近正在学习kalibr标定，正好课题组采购了一台3D视觉工坊出品的。综上，通过上述方法标定流程与HandBot-S1里的基本一致，由此验证标定方法应该是没问题的。标定板位置出现在相机视野的各个位置，采集中避免了快速移动或者抖动相机，防止产生模糊图像。根据客服推荐的标定板图纸，我打印了一份雪弗板，平面度肉眼看着还行。想要入门3D视觉、做项目、搞科研，

2025-05-04 20:31:12 1160

空空如也

空空如也