RGB,RGB-D,单目,双目,sterro相机,实例相机介绍

这篇具有很好参考价值的文章主要介绍了RGB,RGB-D,单目,双目,sterro相机,实例相机介绍。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

相机—特点及区别

1.相机种类

RGB,RGB-D,单目,双目,sterro相机,实例相机

2.相机特点

2.1单目

只使用一个摄像头进行SLAM,结构简单,成本低

三维空间的二维投影

必须移动相机,才能估计场景中物体的远近和大小

单目SLAM估计的轨迹和地图与真实的相差一个因子

2.2双目

由两个单目相机组成,两个相机之间的距离(基线)是已知的

根据基线估计每个像素的空间位置,距离估计:比较左右眼的图像

室内+室外

缺点:配置与标定较为复杂;计算量大,视差计算非常消耗计算资源(需要用GPU和FPGA设备加速)

2.3RGB

基于红、绿、蓝三原色的彩色图像捕捉设备

优点:

​ 捕捉真实世界中的颜色和色彩,还原图像真实性,用于计算机视觉和图像处理

​ 提供更好的细节和精度,对于高精度测量和检测任务有用

缺点:

​ 不能记录深度信息,无法获取三维信息

​ 对于低光环境下的拍摄,RGB相机的表现可能不如黑白相机

​ 相对于黑白相机,RGB相机的成本较高

2.4RGB-D

原理:红外结构光/ToF:time-of-flight/双目立体视觉

通过物理手段测量物体与相机之间的距离:主动向物体发射光,并接收返回的光;得到RGB图+深度图

主要用于室内,较难用于室外

优点:节省大量计算量

缺点:测量范围窄,噪声大,视野小,易受日光干扰,无法测量透射材质

2.5stereo相机

基于立体视觉原理的图像捕获设备,由两个摄像头组成,之间相隔一定距离,模拟左右眼的视角;

基于二维图像的三维成像技术(通过计算两幅图像之间的差异来推断目标物体的深度和三维形状);

同时捕获两个不同位置的图像,然后通过计算两个图像之间的位移和视差信息,来计算目标物体的深度和三维形状

主要应用:计算机视觉、机器人、自动驾驶、虚拟现实等领域

​ (虚拟现实中:用于捕捉场景深度信息,以实现更加逼真的虚拟环境)

优点:

​ 提供高精度和高分辨率的三维成像结果,可以准确地还原目标物体的深度和形状

​ 捕获更加丰富的场景信息,可以提供更加真实的虚拟现实体验

​ 实现对目标物体的三维测量和识别

缺点:

​ 需要两个摄像头同时捕获图像,因此成本较高

​ 在光线不足或者场景纹理不丰富的情况下,会影响三维成像的精度

2.6实例相机

​ 专门用于捕捉快速运动、瞬间事件或高速连续动作的特殊相机,可以以非常快的速度进行图像捕捉,通常在纳秒级别或更快的时间尺度上

​ 事件相机则是基于事件驱动的,只在检测到像素级别发生变化时才记录图像,并且可以实现高速、高分辨率的图像捕捉,能够捕捉到非常短暂、高速的运动,例如快速移动的物体、爆炸、液滴落下。

优点:

​ 高速捕捉:事件相机可以在纳秒级别或更快的时间尺度上进行图像捕捉,能够捕捉到非常快速的运动或瞬间事件

​ 高动态范围:事件相机能够处理高对比度场景,记录下亮度变化极大的瞬间事件

​ 低延迟:事件相机的响应时间非常短,能够几乎实时地捕捉到发生的事件

​ 高分辨率:一些事件相机具有较高的空间分辨率,能够提供清晰的图像细节

应用:在机器人或自动驾驶系统中,事件相机可以捕捉到快速移动的物体,进行运动跟踪和目标检测

2.7双目相机和立体相机关系

​ 双目相机是立体相机(stereo)的一种,但是二者侧重点有一些不同。

​ 双目相机:更倾向于使用两个单目镜头进行水平测距,主要是为了获取物体的深度信息

​ 立体相机:使用两个摄像机,摄像机之间有严格的参数限制,会对物体进行更高精度重建

​ 侧重点不同:双目相机通常更注重快速的深度计算、实时性和应用广泛性;立体相机更注重精确的三维重建和精细的表面纹理信息,可根据实际应用需求进行选择

参考链接: http://t.csdnimg.cn/oWtfs

​基于RGB-D:http://t.csdnimg.cn/1eXQ1

​事件相机:https://news.sohu.com/a/649906141_121124366

因作者水平有限,如有错误之处,请在下方评论区指正,谢谢!文章来源地址https://www.toymoban.com/news/detail-794723.html

到了这里,关于RGB,RGB-D,单目,双目,sterro相机,实例相机介绍的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 海康威视工业相机Linux SDK开发指南详细步骤(Ubuntu20.04+单目、双目相机单次、连续拍照)

    由于实验需要使用双目相机同步采集图像,实验室准备的设备是海康威视的工业相机,对其进行二次开发,其中花了大部分时间查找资料,以及代码进行反复调试,最后到达了想要的效果,并写博客记录一下。 首先是资料的查找,我们要注意的是海康威视一共有两个官网,一

    2024年02月16日
    浏览(112)
  • 使用ROS功能包camera_calibration进行单目相机和双目相机的内参和外参标定

    本文总结使用ROS标定单目和双目相机的过程,同时提供生成棋盘格文件的方法。 参考链接: [1]使用ros标定相机的内参和外参 [2]ROS下采用camera_calibration进行双目相机标定 棋盘格可以自己买一个,或者打印一个粘在板子上,棋盘格电子版生成可以参考博客《使用kalibr标定工具进

    2024年02月11日
    浏览(45)
  • 3D感知技术(7)RGB-D融合

    D即depth,RGB-D融合即为从深度相机得到的每个点云“染色”; 如果是两个rgb相机组成的立体视觉系统,一般地,完成双目标定、矫正对齐操作后,以做相机为参考坐标系,点云对应的RGB信息,可直接从左图对应获取; 目前,市面上的RGBD相机,通常采用两个感红外的灰度相机

    2024年02月12日
    浏览(51)
  • 视觉SLAM ch12 建图(RGB-D)

    一、RGB-D稠密建图 RGB-D相机 通结构光和飞行时间获取深度。 稠密重建方法 :根据估计的相机位姿,将RGB-D数据转化为点云,然后进行拼接,最终得到由离散的点组成的 点云地图 。 在此基础上,如果希望估计物体的表面,可以用三角网格(Mesh)和面片(Surfel)进行建图;如

    2023年04月18日
    浏览(45)
  • NTU RGB-D 60 骨架数据集3D可视化

    本文是对动作识别、动作预测常见数据集NTU RGB-D 60的3D可视化,运行中可以用鼠标拖动可以查看不同视角,可以保存成GIF图,可以将Gif解析成单帧PNG图片进行进一步处理,可以将所有帧图片凭借成一个整体,实现论文中的美观度。 当然,这个代码适用于所有的骨架数据集,只

    2024年02月16日
    浏览(42)
  • 【项目实战】三维重建:基于RGB-D数据集的TSDF算法

    主要流程: 计算每个体素在深度图像中的TSDF值,然后基于前一个体素的TSDF值更新后一个(加权平均),最后得到所有体素的结果,拼接为3D模型。 TSDF需要非常大的显存空间,GPU需要大概 2KB 存储单个体素的所有信息。因此, 只适用于小场景下的三维重建(如室内环境)。

    2024年02月12日
    浏览(56)
  • 【文献分享】动态环境下竟然能实现实时语义RGB-D SLAM??

    论文题目: Towards Real-time Semantic RGB-D SLAM in Dynamic Environments 中文题目: 动态环境下实时语义RGB-D SLAM研究 作者:Tete Ji, Chen Wang, and Lihua Xie 作者机构:新加坡南洋理工大学电气与电子工程学院 卡内基梅隆大学机器人研究所 论文链接:https://arxiv.org/pdf/2104.01316.pdf 大多数现有的视

    2024年02月15日
    浏览(36)
  • mmdetection3d SUN RGB-D数据集预处理

    本文为博主原创文章,未经博主允许不得转载。 本文为专栏《python三维点云从基础到深度学习》系列文章,地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。         SUN RGB-D是普林斯顿大学发布的一种关于室内场景理解的数据集,共包含了10335个样本,其中训练样本

    2023年04月15日
    浏览(42)
  • 【论文阅读笔记】MobileSal: Extremely Efficient RGB-D Salient Object Detection

    MobileSal: Extremely Efficient RGB-D Salient Object Detection MobileSal:极其高效的RGB-D显著对象检测 2021年发表在 IEEE Transactions on Pattern Analysis and Machine Intelligence。 Paper Code 神经网络的高计算成本阻碍了RGB-D显着对象检测(SOD)的最新成功,使其无法用于现实世界的应用。因此,本文介绍了

    2024年01月18日
    浏览(37)
  • 三维重建(单目、双目、多目、点云、SFM、SLAM)

    三维重建定义 在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易, 其方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与

    2024年02月03日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包