3D视觉专用名词概念解释，深度图、点云图、IR图、RGB图像

最新推荐文章于 2025-08-26 14:55:27 发布
原创 最新推荐文章于 2025-08-26 14:55:27 发布 · 8.4k 阅读 · 38 ·
CC 4.0 BY-SA版权
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。
文章标签：

#3d #数码相机

本文介绍了深度相机如何生成深度图、点云图以及IR和RGB图像，着重讨论了这些数据结构的生成原理、位深度和相关参数，包括内参、外参和畸变处理。

🌞欢迎来到深度学习的世界 
🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

1. 深度图

深度图中的单个像素值是空间中物体的某个点到垂直于左红外镜头光轴并通过镜头光心（深度相机光学零点）平面的垂直距离。

深度图是深度相机视野内所有点的深度数据构成的矩阵。深度图是一个16bit位深的单通道矩阵，单位为毫米。没有深度信息的点值为0。为直观的体现不同距离数值，在SDK提供的sample程序中，输出的深度图均被映射到了RGB色彩空间，所以显示出来的结果为RGB三通道8bit位深的位图，深度数据无外参，无畸变，只能提供用于转换点云数据的内参。

2.点云图

    通过深度相机得到的物体外观表面的点数据集合是点云。使用深度相机得到的点云信息为三维坐标（X，Y，Z）。点云图是深度相机捕捉到的所有点的点云信息构成的数据矩阵。每点为3个float类型x,y,z值。没有三维空间信息的点为（0，0，0）。

点云图数据格式。

3. IR图

IR图像为红外图像传感器输

最低0.47元/天 解锁文章
深度图-＞点云图-＞深度图
叶
08-05 763
【代码】深度图-＞点云图-＞深度图。
【图像处理3D】：点云图是怎么生成的
weixin_44322778的博客
06-05 2110
点云图的生成是三维感知技术的核心环节，其原理基于传感器测量、几何计算和数据处理的结合。不同技术（如LiDAR、结构光、双目视觉）在精度、成本、适用场景上各有优劣，实际应用中常通过多传感器融合（如LiDAR+摄像头+IMU）提升性能。随着自动驾驶、元宇宙等领域的发展，点云技术的重要性将持续提升。
RGB图片生成对应点云图
12-06
将图片生成为对应的点云图片，需要RGB图片，RGB图的深度信息
RGB图像和深度图和点云分别是什么？有什么关系
最新发布
m0_74027860的博客
08-26 747
类型维度包含信息像素/点含义是否含3D信息常见来源​​RGB图像​​2D颜色（R, G, B）每个像素是颜色值❌ 否普通相机、手机拍照​​深度图​​2D深度（距离相机的 Z 值）每个像素是深度值（距离）✅ 间接RGB-D相机、立体视觉、深度估计​​点云​​3D3D坐标 (X,Y,Z)，可含颜色每个点是空间中的一个位置✅ 是RGB-D相机、LiDAR、多视图重建。
Halcon三维测量(4):点云图转深度图+点云滤波(补洞)+断线拟合
weixin_41405284的博客
07-24 1万+
对于三维测量的套路，都是将图像转成二维进行测量和处理 我仍然以这个开关检测项目为例，开关点云有x,y,z，三个空间坐标 如果对这个三维点云直接处理，有一个思路我提供给大家，将点云模型完全调平，然后针对x,y,z其中一个坐标进行测量，其实这种思路也是将三维图转为平面。 一.点云图转深度图+点云滤波 本篇着重讲解如何将点云模型转为深度图的思路。 1.将点云模型拆分成x,y,z三个数组，这里的数据可以自动清空，具体请补充一下数据存储，堆和栈的内容。 2.这里提出一个手法，将点云数据拆分成三个数组之后，有很.
点云图的学习
ff_xun的博客
12-28 1万+
一。点云地图拼接 1.1 配置运行环境 首先配置安装opencv3,安装完成后如下图： 然后配置点云图工具pcl,直接使用apt即可安装，安装后如下图： 最后使用点云工具观察点云图： 1.2 原理解析 总的来说由多角度拍摄图片拼接为点云3D图，是通过相机的内参，将像素坐标转化为相机坐标，再通过外参将相机坐标转化为世界坐标系，然后将每张图片的像素绘制填充于同一个世界坐标系下面，形成点云3D图。...
Python生成点云图
qq_43619847的博客
03-13 1256
python生成点云图，三维图
双目立体成像（一）双目图片生成点云
qq_62964142的博客
09-19 4140
利用左右目图片生成点云
图像处理技术之八：点云图、深度图像
随意的风的专栏
03-04 1万+
深度图像 也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。 获取方法有：激光雷达深度成像法、计算机立体双目视觉成像、坐标测量机法、莫尔条纹法、结构光法。 点云 当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成激...
深度图(Range Image)vs点云
qq_74144382的博客
07-24 1107
摘要： 深度图与点云是3D感知中的两种关键数据形式。深度图以二维矩阵存储每个像素的深度值，反映单视角场景距离信息；点云则是无序的三维坐标集合，通过多视角扫描重建物体3D形状。两者可通过相机参数相互转换：深度图结合内参可生成点云，点云投影到二维网格可还原深度图。在PCL中，深度图通过行列索引查找近邻，而点云需基于空间距离（如KD-tree）计算。二者分别从规则二维采样和离散三维表达的角度，为3D环境感知提供互补信息。
点云生成深度图，并保存深度图
10-30
C++写的，点云生成深度图代码，直接修改路径，即可读取点云文件，并保存深度图
深度图生成点云,点云图和深度图,matlab
09-10
本代码主要用于实现深度图生成点云pcd并进行保存。
3d点云的显示和转换成深度图
07-03
简单的3d点云显示以及生成深度图，C++代码 ，用的pcl
深视3D点云数据转换成HALCON深度图像和灰度图像。
02-22
"深视3D点云数据转换成HALCON深度图像和灰度图像"这一主题涉及到多个关键知识点，包括3D点云的理解、HALCON图像处理软件的应用、深度学习以及C#编程语言的使用。 首先，我们需要理解3D点云。3D点云是由激光雷达、...
02 Halcon 深度图转点云图.zip
06-27
* @文档名称: 深度图显示点云。 * @作者: hugo * @版本: 1.1 * @日期: 2021-6-20 * @描述: 该方法支持显示3D彩色点云以及灰度点云。 ***********************************************/ read_image (imageReal, ...
深度图，亮度图，点云图获取以及深度图转点云图
qq_42857680的博客
12-13 3501
本文中图像采集选取硬件为3D轮廓传感器，也称3D线激光或3D相机，至于其硬件采图原理（三角测量法）这里就不做详细说明，想了解的小伙伴可以去网上搜索相关资料，这里我们着重讲解基于halcon算子，获取深度图，亮度图，以及如何将深度图转换成点云图，并进行显示查看。
3D视觉
u010451780的专栏
08-20 2298
我们生活在三维空间中，如何智能地感知和探索外部环境一直是个热点难题。2D视觉技术借助强大的计算机视觉和深度学习算法取得了超越人类认知的成就，而3D视觉则因为算法建模和环境依赖等问题，一直处于正在研究的前沿。近年来，3D视觉技术快速发展，并开始结合深度学习算法，在智能制造、自动驾驶、AR/VR、SLAM、无人机、三维重建、人脸识别等领域取得了优异的效果。 3D视觉是计算机视觉的终极体现形式 2D视觉技术主要在二维空间下完成工作，三维信息基本上没有得到任何利用，而三维信息才真正能够反映物体和环境..
PCL点云与深度图像
Roar冷颜的博客
09-30 5509
PCL中点云与深度图像1 RangeImage概念及相关算法1.1 深度图像简介1.2 PCL中RangeImage的相关类2 从一个点云创建一个深度图像   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。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，基于深度图像的三维目标检测技术，深度数据的多分辨率建模和几何压缩技术等。在PCL中深度图像
3D视觉基础（基本原理及3D传感器基本参数）
热门推荐
3D视觉工坊
08-27 2万+
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源：新机器视觉本人所在行业属于3D视觉方向，因此最近也是学习了很多3D视觉的知识，这次专门总结一下。传统工业机器视觉中，2D指的是...
点云图
03-10
### 点云图处理方法、算法及其实现方式 #### 文本形式点云数据的读取与可视化展示 对于文本形式的点云数据，可以采用特定的方法将其读入并进行初步的数据清洗和预处理工作。之后通过合适的API接口或者函数调用来完成这些点云数据的可视化表示[^1]。 ```python import open3d as o3d import numpy as np # 假设从文件加载点坐标到numpy数组points points = np.loadtxt('point_cloud.txt', delimiter=',') pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(points) o3d.visualization.draw_geometries([pcd]) ``` #### 使用Open3D进行点云图展示 为了更好地理解和分析点云图像，在实际应用中通常会先计算深度图，再由该深度图构建三维点云模型最后借助于像Open3D这样的专用库来进行高质量渲染效果下的交互式查看[^2]。 ```python from PIL import Image import cv2 def depth_to_pointcloud(depth_image_path, fx, fy, cx, cy): """Convert a depth image to point cloud.""" # Load the depth image using OpenCV or any other library. depth_img = cv2.imread(depth_image_path, cv2.IMREAD_UNCHANGED).astype(np.float32)/1000 rows, cols = depth_img.shape[:2] c, r = np.meshgrid(np.arange(cols), np.arange(rows)) points_z = depth_img / 1000.0 points_x = (c - cx) * points_z / fx points_y = (r - cy) * points_z / fy mask = points_z > 0 xyz_points = np.stack((points_x[mask], points_y[mask], points_z[mask]), axis=-1) pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(xyz_points.reshape(-1, 3)) return pcd depth_pcd = depth_to_pointcloud("path/to/your_depth_image.png", 585, 585, 320, 240) o3d.visualization.draw_geometries([depth_pcd]) ``` #### Python中的TVTK用于标量和矢量数据的空间轮廓线可视化 除了上述提到的技术之外，还有其他一些强大的工具可用于更复杂的场景下对多维科学数据集执行高级别的图形化表达；比如Python里的TVTK模块就提供了很好的支持来创建结构化的网格边界框以及绘制各种类型的场（如温度分布等）。这同样适用于某些特殊情况下需要特别关注内部几何特征变化趋势的研究领域[^4]。 ```python from tvtk.api import tvtk from mayavi.sources.vtk_data_source import VTKDataSource from mayavi.modules.outline import Outline from mayavi.core.pipeline_base import PipelineBase from mayavi import mlab outline_filter = tvtk.StructuredGridOutlineFilter(input_connection=polydata.GetProducerPort()) mlab.pipeline.surface(outline_filter.output_port) mlab.show() ```
评论
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

卿云阁

你的鼓励将是我创作的最大动力

¥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