3D感知技术与实践（1）

首先我们为什么使用3D技术。这里主要和2D技术做一个对比！

1快速实现视觉对象的分割

                   

从2D图像中，如果要分割出那个小男孩，难度不小，原因的是，图像目标和环境混合！换个角度，换成3D该如何。

3D可以从距离的维度直接分割出目标，看来这是多一个维度信息带来的好处。

2.不受光照/颜色干扰

2D图像的识别多对光照的鲁棒性有较高要求，这一点在3D上倒是不需要考虑。

3.2D人体行为识别需要强大的GPU运算

基于深度图进行3D行为识别的难度大大降低

---

当然3D数据也有很多的问题。

例如分辨率不如2D图像高，噪声，运动模糊等这些问题。

---

3D数据的总体流程如下：

                        

3D点云获取的设备，我在之前的博客有介绍过。

3D数据表示和数据结构
 

主要有深度图、点云、体像素、三角剖分、八叉树、K-D树，前两种就不说了。

体像素：

可以通过三维数组来表示.

八叉树和K-Dtree都是一种数据结构，在PCL中 都有显示。八叉树比体像素更加高效的存储3D物体

KD一般是最近邻的时候用的比较多。

 

3D滤波、噪声过滤和表面平滑
 

一种是基于深度图的平滑，通常和2d的滤波方法相关，如双边滤波

                                  

一种是针对，三角网格的曲面

 

以上是平滑，还有针对离散点的滤波，这里只说针对深度图的。

---

多帧数据配准融合
 

ICP用于将连续几帧或者多个视角的数据合并，得到完整物体点云模型，为表面重建提供完整密集的点云。

                              

在slam14讲中，都有讲过这些基本的！ 

3D表面重建

SDF表面重建（暂时只是了解一下）

先放着。。。。