OpenCV基于点阵结构光的主动立体双目深度图三维重建算法(二)——算法效果

 

2017年9月份,标志性的事件为 iPhone X 推出了基于 PrimeSense light coding 方案的结构光 3D 人脸识别方案。现国产android 手机厂商都在 3D 人脸识别领域进行自己的布局,无奈的是 PrimeSense的技术门槛太高,或者是结构光方案的成本过高,使得手机厂商不能迅速布局而兴叹。不过有研究表明在今年年底应该会有android手机推出3D人脸识别方案,可能是基于主动立体双目或者是结构光。主动立体基于红外双摄像头+主动投射装置,利用算法获取高精度的3D depth map.

上一篇博文写于一年前,OpenCV基于点阵结构光的主动立体双目深度图三维重建算法,属于项目的初期框架,后经过持续性的算法开发与深挖,效果具有质的飞跃,对比intel realsense R200或者D400 series 的算法效果会更好

主动立体双目的框架如下:

step1. 双目设备的标定;

step2. 双目设备的校准;

step3. 双目立体匹配算法;

step4. 视差数据的去噪与空洞修复

step5. 视差数据映射到三维深度值

如果涉及到输出显示 RGB point cloud,需要另外结合1颗RGB彩色摄像头,标定位置关系后可以将点云数据的RGB值一一对应上,用作3D彩色显示,

step6. RGB与点云数据的配准与对齐。

下面给出一些示意的算法结果,以下场景均为实际项目场景:

场景1、人脸

OpenCV基于点阵结构光的主动立体双目深度图三维重建算法(二)——算法效果_第1张图片

场景2、俯拍监控

OpenCV基于点阵结构光的主动立体双目深度图三维重建算法(二)——算法效果_第2张图片

对比intel realsense R200

OpenCV基于点阵结构光的主动立体双目深度图三维重建算法(二)——算法效果_第3张图片

RGB 点云效果

OpenCV基于点阵结构光的主动立体双目深度图三维重建算法(二)——算法效果_第4张图片

你可能感兴趣的:(3D,depth,计算机视觉)