01-01.3D点云概述

Loading [MathJax]/extensions/MathZoom.js
Loading [MathJax]/extensions/MathZoom.js

[TOC]# 3D数据是什么？

3D 数据是什么： 以深度图和点云表示的数据称之为 3D 数据。

3D视觉的发展历程

---

3D 的历史进程：

• 2D计算机视觉 – 从 20 世纪 50 年代至今，几十年的发展历史；

• 20世纪60年代 – 美国MIT的 Roberts 从 2D 图像提取 3D 多面体，开启了 3D计算机视觉
  的研究；
  

• 20世纪70年代 – 马尔奠定了计算机视觉的理论基础；
  

• 20世纪90年代 – 多视几何理论的提出，极大地加快了3D视觉的研究进程；
  

• 21世纪 – 深度学习崛起，加速了 3D 视觉的发展。

  • 2010年，视觉 AI 逐步起飞；
  • 2012年，AlexNet 达到 $80.2\%$ 分类正确率（Top-5），超过之前基于人工特征的分类算法；
  • 2013年，VGG 达到 $91.2\%$ 分类正确率（Top-5）;
  • 2015年，Resnet-50 达到了 $93\%$ 分类正确率 （Top-5）；
    

3D感知的特点

---

• 低功耗和低运算量：能以极低的运算量为视觉任务提供更加简单的解决方案，例如快速实现视觉分割：
  

3D 数据在动作识别方向也可以提供更加简单的方案，如下图所示：

• 信息量大，能感知目标与环境的深度信息：3D 数据可用于物体的识别合物理测量，由于2D图像受到 近大远小的影响，很难获取目标的尺度信息（需要进行大量的计算），而基于3D直接测量获得物理尺寸信息却很容易。
  t>的影响，很难获取目标的尺度信息（需要进行大量的计算），而基于3D直接测量获得物理尺寸信息却很容易。
  
• 不受光照条件的影响：2D 图像受光照影响，3D 数据不受光照影响；
  

3D数据的难点

---

• 噪声与干扰：实际获取的3D数据往往存在很多噪声与干扰；
• 畸变与分辨率的影响：成像设备的畸变参数和分辨率会严重影响3D数据的质量；
• 运动模糊：运动的目标会造成3D数据的模糊；

3D数据的处理流程

1. 数据获取： 从不同的3D传感器（即，3D成像设备）中获取数据；
2. 畸变矫正： 对数据进行畸变矫正；
3. 3D点云获取： 把原始的3D数据转化为 3D 点云数据；
4. 噪声与离群点过滤： 过滤掉噪声与离群点；
5. 数据格式转换： 把3D点云转换为其他的数据格式；
6. 多帧数据配准与融合： 不同视角的数据配准；
7. 应用： 表面重建，分割与分类识别，参数测量；
   • 3D 几何测量与建模：从3D数据中提取几何参数，用于物体测量和分析；
   • 3D 物体分割与识别： 静态物体的特征提取和统计分析，利用特征数据实现3D对象的识别和分割；
   • 3D活体检测与动作识别： 生物特征提取和识别应用；
     高级算法与数据处理：基于3D数据的机器学习算法以及更复杂的底层数据处理算法介绍；