如何利用深度图像计算当前位置的偏差

suncs2001 2018-09-04 10:17:15
需求是通过深度相机,获取出深度图(每个点的值表示距离不是颜色),而我们已经有一张正确无误差的深度图,我想通过这两张图的比较,获得我当前位置的x,y,偏差值,用于校准。

问题是有两张图如何进行偏差计算。 深度图像匹配,利用ICP或者ICP改进算法? 对图像做转换,利用opencv等现成的匹配算法计算? 或者根本就不是匹配的问题,是其他的方向?

现在主要是方向不确定,不知道哪条路走下去是正确的。
...全文
377 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
天辰孤煞& 2019-04-21
  • 打赏
  • 举报
回复
楼上说的可行,当你没有大量数据的时间楼上的方法基本就是唯一的方法,如果是有大量数据的话就可以通过特征提取然后机器学习进行偏差计算,走这条路,除了人工进行特征提取之外就是卷积网络了,这种情形建议全卷积神经网络
chivalry00L 2018-12-31
  • 打赏
  • 举报
回复
这是一个经典的ICP问题。首先你需要把深度图象中每一个点转化的camera坐标系中,(x,y,z)的三维坐标系中。然后根据两幅图像的点云,计算R,T
本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。

4,446

社区成员

发帖
与我相关
我的任务
社区描述
图形图像/机器视觉
社区管理员
  • 机器视觉
  • 迪菲赫尔曼
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧