学术报告系列(一) - 视觉感知：从2D图像到3D点云

最新推荐文章于 2024-07-01 22:28:35 发布
最新推荐文章于 2024-07-01 22:28:35 发布
阅读量1.3k 收藏 8
点赞数 3
分类专栏： 学术报告 文章标签： 视觉感知 深度学习
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/zhouqiping/article/details/124083285
版权
  • 💂 个人主页: 同学来啦
  • 🤟 版权: 本文由【同学来啦】原创、在CSDN首发、需要转载请联系博主
  • 💬 如果文章对你有帮助，欢迎关注、点赞、收藏和订阅专栏哦
  • 🧑‍🔬 报告声明：资料整理于2022年模式识别高峰论坛南京理工大学杨健教授报告（报名题目：视觉感知：从2D图像到3D点云）

文章目录

👉 一、报告内容

  • 1️⃣ 基于二维图像的方法：目标分类检测、对比学习；
  • 2️⃣ 从2D到3D之深度估计：多任务、夜间、开放环境；
  • 3️⃣ 基于三维点云的方法：位置识别、跟踪、三维人脸（因时间关系该部分暂未展开阐述）

🍎 二、基于二维图像的方法

🔴 1、用于目标分类的选择性核网络（SKNet for Objection Classification）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

🟠 2、大幅度对比学习（Large-Margin Contrastive Learning）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

🟡3、用于目标检测的广义焦损失（Generalized Focus Loss for Objection Det ection）

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

🍑 三、从2D到3D之深度估计

在这里插入图片描述

🔴 1、深度估计分类

在这里插入图片描述

在这里插入图片描述

🟠 2、有监督的单目深度估计

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

🟡 3、无监督的单目深度估计

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

🟢 4、夜间自监督深度估计的主要挑战及解决方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

同学来啦
关注
专栏目录
所有指标全面领先！图像-点云配准最新SOTA！CoFiI2P详细介绍！
3D视觉工坊
10-18 482
作者：大森林 | 来源：3D视觉工坊在公众号「3D视觉工坊」后台，回复「原论文」可获取论文pdf。添加微信：dddvisiona，备注：3D点云 ，拉你入群。文末附行业细分群。1. 笔者总结本文介绍了 CoFiI2P，这是一种新颖的图像到点云（I2P）配准网络。传统的I2P配准方法通常在点到像素级别估计对应关系，但忽略了全局关系，这往往导致陷入局部最优解。为了解决这个问题，CoFiI2P采用分层...
最新 | 2023中科院3D点云 Transformer ！
3D视觉工坊
09-18 504
作者：HT | 来源：3D视觉工坊在公众号「3D视觉工坊」后台，回复「原论文」即可获取论文pdf。添加微信：dddvisiona，备注：3D点云，拉你入群。文末附行业细分群。一、笔者个人体会文章的主要动机是解决点云数据处理中的挑战性问题。点云数据具有复杂的非欧几里德结构，包含了全局和局部的几何信息，而现有的方法在提取点云的复杂几何结构以进行分类任务时存在局限。因此，作者的动机是提出一种新的方法，...
2D图像转换点云
guaijiaodie2064的博客
11-15 2890
Code Hello-SLAM 标签（空格分隔）： 旭 SLAM Program 转载： 一起做RGB-D SLAM (1) 一起做RGB-D SLAM (2) 使用opencv以及pcl将2D图像转换为3D点云 1.目标 写一个RGB-D SLAM程序 要用的库：OpenCV, PCL, g2o 系统环境：Ubuntu16.04 2.安装软件 2.1.OpenCV 参见笔记：Vins-Mono...
利用opencv以及pcl将2D深度图图像转换为3D点云
zhuoyueljl的博客
01-25 1万+
#include #include #include using namespace std; // OpenCV 库 #include #include // PCL 库 #include #include // 定义点云类型 typedef pcl::PointXYZRGBA PointT; typedef pcl::PointCloud PointCloud; // 相
从2D图片生成3D点云
qq_34886577的博客
11-07 3894
记录两个可以由2D图像生成3D模型的深度学习网络 1.由单张2D图像生成3D点云的深度网络 论文 《A Point Set Generation Network for 3D Object Reconstruction from a Single Image》 “最常见的一些3D几何表示，例如2D网格（mesh）或点云（point cloud）不是规则的结构，并且不适用于这些网络结构（当然后面出现了Pointnet）。这就是为什么大多数现存的工作都在使用深网进行3D 数据采用体积网格或图像集合（几何体的2
二维图像处理到三维点云处理
seek97的博客
03-23 5692
下面是opencv和pcl的特点、区别和联系的详细对比表格。OpenCV和PCL虽然有一些相似之处，但它们的应用场景和功能是有所不同的。OpenCV主要用于图像处理和计算机视觉领域，而PCL则主要用于点云处理和三维重建领域。
使用opencv以及pcl将2D图像转换为3D点云
曾立文的博客
06-09 2万+
如果你要问怎么得到2D图片，可以看我另文博客：深度相机的图像深度实时显示 本文其实是转载自 http://blog.csdn.net/zhuquan945/article/details/52808785?locationNum=6&fps=1 但我做了一点小的修改。程序注释足够清楚，但你也可以参考一下原文，那有更多解说。 网上有人总发问，后来我要了他程序，我给他调试成功...
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 5055
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
349 FPS！开源！CoR-GS：仅需3张图片即可训练Gaussian场景！
3D视觉工坊
05-28 146
三维高斯点云投影（3DGS）创建一个由三维高斯函数组成的辐射场来表示一个场景。在训练视角稀疏的情况下，3DGS很容易出现过拟合，从而对重建质量产生负面影响。本文介绍了一种新的共正则化视角，用于改善稀疏视角下的3DGS。当使用相同的场景稀疏视角训练两个三维高斯辐射场时，我们观察到这两个辐射场表现出"点争议"和"渲染争议"，这可以无监督地预测重建质量，这源于密度化中的采样实现。我们进一步通过评估高斯函数点表示之间的配准，并计算其渲染像素之间的差异，量化了点争议和渲染争议。
二维图像的三维可视化
08-22
opencv读取图像，再转换成三维点云，基于灰度的部分计算各点的颜色，用openscenegraph渲染成三维点云。
OpenGL显示三维点云图像
06-08
利用OpenCV读取本地jpg图像，利用OpenGL实现了将2维的jpg图像显示成三维图像，可以利用鼠标进行平移，旋转，缩放等控制。环境VS2010和OpenGL和OpenCV，需要用户自己配置OpenGL（很简单的）。不错的源代码。配置好环境可以直接运行（里面包含了例子图像和exe文件）
opencv 三维建模点云详细
03-03
根据两张图片计算出的点云详情，特征点的坐标、颜色，旋转坐标、平移坐标。格式为yaml
CVPR‘24开源 | ADA-Track：端到端3D多目标跟踪最新SOTA！
最新发布
计算机视觉工坊
07-01 197
许多基于查询的3D多目标跟踪（MOT）方法采用基于注意力的跟踪范式，利用跟踪查询进行身份一致的检测，并使用对象查询进行身份无关的跟踪生成。然而，基于注意力的跟踪将检测和跟踪查询在一个嵌入中纠缠在一起，分别用于检测和跟踪任务，这是次优的。其他方法类似于基于检测的跟踪范式，使用解耦的跟踪和检测查询来检测对象，随后进行关联。然而，这些方法没有利用检测和关联任务之间的协同作用。结合两种范式的优点，我们提出了ADA-Track，一个从多视角摄像机进行3D MOT的全新端到端框架。
matlab 实现 图片到3d点云的方法
HHQ1112的博客
06-20 550
其中 U 是一个 m x m 的正交矩阵，S 是一个对角矩阵，其主对角线上的元素是按照非负的奇异值 s1, s2, ..., s_min(m,n) 降序排列的，V 是一个 n x n 的正交矩阵。首先基础矩阵的公式推导 因为 x‘ =K*x x是相机坐标系在归一化平面上的坐标(x,y,1) x‘ 是像素坐标系上的点的坐标。得出的结论 ATA 的特征值分解的V 就是svd(A)的 V；其中 V 是由 A 的特征向量构成的正交矩阵，D 是一个对角矩阵，对角线上的元素是 A 的特征值。
opencv matlab三维点云,使用opencv以及pcl将2D图像转换为3D点云
weixin_35480412的博客
03-17 1382
注：本文是在学习了高翔博士的相关博客(http://www.cnblogs.com/gaoxiang12/p/4652478.html)后写成的，纯粹作为一个学习笔记1.在上一节即http://blog.csdn.net/zhuquan945/article/details/52788278中讲到的 代码根目录/src/ 文件夹中，即在/slam/src中新建一个名字为generatePointC...
如何从2D图像生成3D模型（点云）（基于普通相机的传统算法）
weixin_39326879的博客
05-14 2670
该方案采用普通相机(手机也可以)围绕带有BCH码背景的目标物体拍摄不同角度的照片 然后输入到VisualSFM,即可完成3D模型重建 但是生成的点云非常稀疏
从2D图像如何生成3D模型（点云）深度学习的方法
热门推荐
weixin_39326879的博客
04-24 2万+
原文地址：https://chenhsuanlin.bitbucket.io/3D-point-cloud-generation/paper.pdf 摘要： 对于3D物体的重建，信息主要丰富在表面。本文的目的在于以密集点云的形式表示3D模型， 这边文章讲的就是用2D图像如何生成3D模型。2D图像也是从3D的世界投影来的，从3D到2D必然是缺少了很多信息的，所以单一视角的2D图像是不可能恢复出3D模...
点云配准：从二维到三维的艺术
m0_51738372的博客
03-20 1681
在计算机视觉和机器学习的领域中，配准是一个至关重要的步骤，它涉及到将不同视角或时间点捕获的数据集对齐到同一个坐标系统中。这一过程不仅对二维图像至关重要，而且在三维世界的理解中也发挥着关键作用。本文将带您深入了解配准技术，探索它从二维图像扩展到三维点云的精妙之处。
Keyence LJ-X8000系列：高精度2D/3D线激光测量仪，轻松应对复杂工件
Keyence LJ-X8000系列是一款先进的2D和3D线激光测量仪，专为精密制造业设计，旨在提供超高的测量精度。这款设备的核心特性在于其3200个测量点的profile模式，确保了对各种工件的高精细度测量，无论是轮廓还是三维...
评论 1
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

打赏作者

同学来啦

原创不易，打赏随意。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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