RGB-D显著性检测第9页

图像显著性检测——时域分析（谱残差法、相位谱法）

1.基于谱残差法的显著性检测（SaliencyDetection:ASpectralResidualApproach）给定一幅图像，I(x)首先计算其2维离散傅里叶变换，将其从空间域转换到频域，对幅值取对数后得到

VISION-YBU·2020-09-13 00:11

Sophus库安装使用记录

前言本篇博客是基于《视觉slam十四讲》的实例程序进行学习的，在第5讲相机与图像中关于RGB-D视觉的示例程序，用到Sophus库安装过程拷贝源码gitclonehttps://github.com/strasdat

wofanzheng·2020-09-12 17:10

StaticFusion

主要内容面向动态环境基于面元的RGB-DSLAM系统，主要内容如下：同时估计RGB-D相机位姿并分割当前帧图片中的静态像素。将当前帧像素的静态概率当做一个取值范围为的连续变量，和位姿一起联合优化。

lucas1997·2020-09-12 13:03

BundleFusion编译与使用

最近淘宝了一个二手的Kinectv1,没有涉足过RGB-D深度相机，感觉挺好玩的，BundleFusion算法可以实现三维的实时重建。那么就开始安装。

@way·2020-09-12 09:02

多模态(RGB-D)——RCFusion

《RecurrentConvolutionalFusionforRGB-DObjectRecognition》2018,MohammadRezaLoghmanietal.RCFusion作者通过从网络的不同levels来抽取特征，结合RGB和Depth的互补信息，来产生紧凑的和高辨别力的多模态特征。1.RCFusion网络结构：网络从CNNs的多个隐层来为RGB和Depth提取特征，另外使用正交损

Peanut_范·2020-09-12 07:17

调试笔记——《一起做RGB-D SLAM 》

花了前后大概两周的时间，好好整理了一遍高博的《一起做RGB-DSLAM》系列，调试过程中发现，在安装g2o这个包时遇到了很多问题，下面把解决问题的过程记录一下。起初安装g2o这个包时并没有特别在意，就直接按第六讲的内容，先从github上下载了源码，然后按照高博给出的步骤先安装了依赖：sudoapt-getinstalllibeigen3-devlibsuitesparse-devlibqt4-d

all3n531·2020-09-11 23:13

ERROR:can not launch node of type[]:can't loacte node [] in package []

为此我需要将Intel相机采集的数据格式由RGB-D转换为LCM格式。

努力1努力1再努力·2020-09-11 22:28

ORB-SLAM3论文翻译

初始化跟踪和建图对于跟踪丢失地图合并和回环位置识别（约等于重定位）视觉地图合并视觉惯性地图合并回环实验结果单目SLAM在EuRoc数据集上视觉惯性SLAM在TUM-VI总结参考摘要 ORB-SLAM3是第一个能够让单目、立体和RGB-D

南苏月·2020-09-11 22:24

ORB-SLAM2代码注释及视频解析

gitclone"https://gitee.com/paopaoslam/ORB-SLAM2.git"该算法以单目为主，但同样适用于双目和RGB-D摄像头。

MoonShapedPool·2020-09-10 11:41

图像三维重建专题第一期-Texture Mapping for 3D Reconstruction with RGB-D Sensor

论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Fu_Texture_Mapping_for_CVPR_2018_paper.pdf摘要

独孤九剑-风清扬·2020-09-10 11:17

Pyramid Feature Attention Network for Saliency detection 用于显著性检测的金字塔特征注意网络

PyramidFeatureAttentionNetworkforSaliencydetection引言显著性检测是计算机视觉领域的基本挑战之一，怎么有效去提取特征非常关键，目前的一些方法主要都是采用多尺度卷积提取特征的方法

Y_哥·2020-08-26 13:27

视频显著性检测----《Flow Guided Recurrent Neural Encoder for Video Salient Object Detection》

本文将重点与大家探讨和分享发表于CVPR2018上的视频显著性检测文章–《FlowGuidedRecurrentNeuralEncoderforVideoSalientObjectDetection》，

ReaFly·2020-08-25 04:07

SLIC超像素分割的算法介绍和源码分析

前述最近在看显著性检测，发现很多算法的基础是超像素分割，而正在看的SaliencyOptimizationfromRobustBackgroundDetection算法的预处理是SLIC算法，于是便找了

_者行孙·2020-08-24 06:55

Deep Sliding Shapes for Amodal 3D Object Detection in RGB-D Images(CVPR2016)（1）

论文：https://arxiv.org/pdf/1511.02300.pdf代码：https://github.com/shurans/DeepSlidingShapeAbstract我们专注于RGB-D

Hippo+campus·2020-08-24 04:01

《视觉SLAM十四讲精品总结》7：VO—— 3D-2D：PnP+BA

特征点3D位置可以由三角化或RGB-D相机深度图确定。因此，双目或RGB-D相机直接使用PnP估计相机运动。单目视觉里程计，首先初始化，然后才能PnP。

try_again_later·2020-08-23 11:46

论文阅读一（武汉加油、中国加油、不好的事必将过去）

一、MID-Fusion:Octree-basedObject-LevelMulti-InstanceDynamicSLAM主要贡献1）第一个使用体积表示法的RGB-D多实例动态SLAM系统；2）一种更鲁棒的跟踪方法

听，雪落下的声音·2020-08-23 11:12

高博大神《一起做RGB-D SLAM (6)》问题总结

本人小白，初学slam，在尝试跑高博大神（嘤嘤嘤，可崇拜了）《一起做RGB-DSLAM》系列６时，现将本人遇到的问题及解决总结如下，如有不当之处，感谢指出！１g2o安装本人的平台为ubuntu14.04删除之前编译过安装过的版本（1）sudorm-rf/usr/local/include/g2o（2）cd/usr/local/lib（３）sudorm-rflibg2o_*安装依赖项sudoapt-

qq_36417644·2020-08-23 11:20

视觉SLAM笔记（25）拼接点云

视觉SLAM笔记（25）拼接点云1.相机内外参2.PCL3.拼接1.相机内外参提供了五张RGB-D图像，并且知道了每个图像的内参和外参根据RGB-D图像和相机内参，可以计算任何一个像素在相机坐标系下的位置同时

氢键H-H·2020-08-23 11:18

SLAM导论

雷锋网(公众号：雷锋网)按：本文作者高翔，清华大学自动化学院博士研究生，主要研究兴趣为基于RGB-D相机的视觉SLAM技术。

稻壳特筑·2020-08-23 10:35

2019 Action Recognition 顶会论文（CVPR、ICCV）

2018年的有别人解读过，根据暑假看论文定下的大致方向，大概选择了5篇有关RGB-D或者角度比较新颖的论文准备仔细读一读。

A1.晓晔（Alice）·2020-08-23 04:57

学习计算机视觉：（四）图像检索

图片检索所用到的技术•DNN网络的综合应用•系统结构•图片预处理显著性检测、区域分割•图片特征提取手工设计、CNN类网络层特征抽取•索引构建局部敏感性哈希(LSH)•特征相似度计算特征向量的距离计算•相似度搜索相似距离排序

Jack_Kuo·2020-08-22 04:02

Learning Less is More – 6D Camera Localization via 3D Surface Regression

，并且在训练的时候不用使用rgb-d，而如果没有d只有groundtruth的pose的时候可以估计一个d，然后使用两步训练，1》2〉改进2是更改了dsac中的计算score层，计算公式使用了内点个数（

lizhaohu01·2020-08-21 16:15

SLAM：SLAM相机简介、SLAM五步流程简介(VO+BEO+LCD+M)之详细攻略

SLAM：SLAM相机简介、SLAM五步流程简介(VO+BEO+LCD+M)之详细攻略目录SLAM相机1、单目相机2、双目Stereo相机3、深度相机/RGB-D相机SLAM五步流程

一个处女座的程序猿·2020-08-21 05:13

学习ROS之机器人系统设计

1.机器人的定义与组成1.1机器人的组成2.机器人系统构建2.1执行机构的实现2.2驱动系统的实现2.3内部传感器系统的实现2.4控制系统的实现2.5外部传感系统的实现2.5.1连接摄像头不过需要RGB-D

黑夜奔跑·2020-08-21 02:40

论文笔记 Locality-Sensitive Deconvolution Networks with Gated Fusion for RGB-D Indoor Semantic Segmentat.

用于RGB-D室内语义分割的具有门控融合的局部敏感反卷积网络abstractproblem:indoorsemanticsegmentationusingRGB-Ddatamotivation:thereisstillroomforimprovementsintwoaspects

LXY13635303541·2020-08-20 22:16

intel RealSense摄像头比较

1、D415，D435和D435i（1）总体对比（2）具体对比相机细节三个深度相机大小相同（在毫米内），它们都使用相同的视觉处理器通过USB3提供RGB-D数据，并且它们具有相同的最大深度分辨率1280x720

楼顶上的猫·2020-08-20 14:58

Ubuntu16.04安装 ORB_SLAM2_PointCloud

ORB_SLAM2_PointCloud以ORB_SLAM2为基础，利用RGB-D相机进行稠密地图构建，经实验测试，跑出来的效果还是相当不错的。

爱煮小米粥·2020-08-20 13:47

Semantic Visual Localization-论文阅读笔记

本文提出了一个基于3D几何和语义信息进行视觉定位的新方法：具体实现方法：（1）采用RGB-D相机作为系统输入，分别对输入图像进行像素级的语义分割，并根据深度信息投影到3D空间中，融合得到体素级的3D语义地图

爱煮小米粥·2020-08-20 13:46

由RGB-D图像获取三维坐标（相机坐标） Python

由RGB-D图像获取三维坐标（相机坐标）Python由RGB-D图像获取三维坐标（相机坐标）Python图像数据获取相机坐标（本处是在深度摄像头下）相信大家最感兴趣的肯定是代码啦由RGB-D图像获取三维坐标

不学无术的渣渣·2020-08-20 07:16

利用RGB-D数据进行人体检测 People detection in RGB-D data

利用RGB-D数据进行人体检测LucianoSpinello,KaiO.Arras摘要人体检测是机器人和智能系统中的重要问题。之前的研究工作使用摄像机和2D或3D测距器。

masikkk·2020-08-20 06:56

视觉里程计（二）

对象：双目或RGB-D视觉里程计原理：如果俩张图像中其中一张特征点已知，那么最少只需要3个点对（一个额外点验证结果）优势：对比对极约束而言，PnP只需要3个点即可估计其相机的位姿PnP求解问题的方法：3

Hansry·2020-08-20 05:54

[论文笔记] SemanticFusion: Dense 3D Semantic Mapping with Convolutional Neural Networks

2.使用的摄像头为RGB-D，系统帧率达到25Hz，保证了实时性。3.提出(?)了语义地图中，每个点类别概率的更新方法。额外收获1.结合视频连续帧间的信息，可以优化CN

KylinQAQ·2020-08-19 02:18

研究SOD的准备工作：SOD各种数据集 & 评测代码

被下载各类显著性检测数据集难倒的我，现在总结一下，为后来者铺路。

显著性检测-Archerzjc，·2020-08-18 18:31

RGB-D SLAM学习总结(2)

第二讲图像到点云本讲将编写一个将图像转换成点云的程序，它是后期处理地图的基础。用到的图像：rgb.pngdepth.png一副RGB彩图和一副对应的深度图它们长下面这样。。。重要的备注：一定要从高博的源码里下载这两幅图，千万不要另存为！千万不要另存为！千万不要另存为！重要的事情说三遍！(虽然高博的博客里说可以。。。)最初做的时候我就是另存为，到后面去计算两帧之间相机的转换矩阵时就出问题了，平移量超

niuniu924·2020-08-18 15:05

RGB-D SLAM学习总结(1)

第一讲环境搭建最近跟着高博的博客《一起做RGB-DSLAM系列》将整个过程实现了一遍，下面是学习总结：博客：https://www.cnblogs.com/gaoxiang12/p/4633316.html作者源码：https://github.com/gaoxiang12/rgbd-slam-tutorial-gx自己代码：https://pan.baidu.com/s/1O8w2TR2XOZ_

niuniu924·2020-08-18 15:05

ROS下的openni2.launch

chengkuang5415·2020-08-17 21:51

计算机视觉方向简介：深度图补全

微软2010年发布了消费级RGB-D（RGB+depth）相机Kinect1，此后涌现了大量基于RGB-D相机的研究工作，比如用RGB-D相机来进行室内三维重建，比较有名的是KinectFusion、Kintinuous

weixin_34185560·2020-08-17 16:16

"Deep Depth Completion of a Single RGB-D Image"论文阅读记录以及quicktest

（一）论文简要说明这是一篇2018年CVPR的最新论文，可以直接通过输入RGB图以及相对应的Depth图，然后可以直接补全任意形式深度图的缺失。论文地址：https://arxiv.org/abs/1803.09326github地址：https://github.com/yindaz/DeepCompletionRelease（二）论文阅读Abstract1、Introduction目标是用普通

小小usper·2020-08-17 15:41

CVPR18基于深度学习的深度图像补全Deep Depth Completion of a Single RGB-D Image

qq_41581769·2020-08-17 14:36

四种简单的图像显著性区域特征提取方法-----AC/HC/LC/FT。

分类：图像处理2014-08-0312:404088人阅读评论(4)收藏举报salientregiondetec显著性检测laviewpbt2014.8.3编辑Email：[email protected]

shiter·2020-08-15 16:58

RealSense D435深度相机开发（三）----基于距离的图像分割(下）

基于RGB相机的grabcut分割算法需要鼠标去框选指定的object，实现分割的目的，类似下图所示：而下图是基于rgb-d相机的grabcut分割算法，它能够根据Z轴的深度信息，自动的分割背景，达到下图的效果

JUST_DO it·2020-08-15 07:02

RealSense D435深度相机开发（二）----基于距离的图像分割（上）

RGB-D相机，对比传统的RGB相机，我们很快就能找到不同之处---深度。那么有了深度信息，我们能够做什么呢？

JUST_DO it·2020-08-15 07:02

3D点云学习：SECOND目标检测①论文阅读

但是在PCDet.上发现包含了SECOND等几个网络源码2:源码链接2.1摘要基于LiDAR或基于RGB-D的目标检测被用于从自动驾驶到机器人视觉的众多应用中。

themasterbi·2020-08-13 10:19

卷积神经网络(CNN)详解与代码实现

图像分类：场景分类，目标分类图像检测：显著性检测，物体检测，语义检测等等图像识别：人脸识别，字符识别，车牌识别，行为识别，步态识别等等图像分割：前景分割，语义分割2.卷积神经网络结构卷积神经网络主要是由输入层

Cindy's·2020-08-09 20:00

《Frustum PointNets for 3D Object Detection from RGB-D Data》论文及代码学习（二）——代码部分

《FrustumPointNetsfor3DObjectDetectionfromRGB-DData》论文及代码学习（二）——代码部分文章目录《FrustumPointNetsfor3DObjectDetectionfromRGB-DData》论文及代码学习（二）——代码部分数据生成./rgb_detection./kitty_object.py网络训练网络测试测试结果数据生成frustum-po

ShuqiaoS·2020-08-06 12:57

ECCV2020 | 北京大学提出RGB-D语义分割新网络，多模态信息融合

点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达这篇文章收录于ECCV2020，由北京大学、商汤科技、香港中文大学提出的基于RGB-D图像的语义分割算法。

AI算法修炼营·2020-08-06 12:04

一种在RGB-D图像中检测行人的新的深度描述子

转载：http://www.tuicool.com/articles/z2mmia一种在RGB-D图像中检测行人的新的深度描述子NingboWang,XiaojinGong,JilinLiu摘要随着深度摄像机技术的发展

xuezhisd·2020-08-05 13:37

基于低秩矩阵的的图像显著性检测

全局低秩显著性检测算法全局低秩显著性检

VISION-YBU·2020-08-04 09:51

显著性检测--(Unsupervision, Weak-supervision)

弱监督任务就是原本没有标签，所以通过一定的方法构造出伪标签作为GroundTruth来监管训练，通常是交替迭代训练，即一边训练网络完成预测，一边又用该预测结果作为新的GroundTruth来训练网络.1.《LearningtoDetectSalientObjectswithImage-levelSupervision》网络结构图如下：（1）第一阶段，训练FCN网络完成分类任务，同时得到初始Sali

ReaFly·2020-08-03 03:59

基于超像素和马尔科夫链的显著性区域检测算法

显著性检测算法常通过计算像素之间的差异来确定显著性，但是对像素的选取通常是固定的，容易忽略图像中物体的边界信息，导致最终检测结果中目标的边界比较模糊。

起点站·2020-08-02 15:20

推荐频道

RGB-D显著性检测