Kinect深度摄像机在振动测量中的应用

由于目前大多数振动测量方法效率低、成本高,研究将Kinect深度摄像机应用于测量物体表面任一点的实时振动信息。实验对比了Kinect摄像机和Bumblebee2双目摄像机在不同频率下测得的数据,分析两种方法测得数据精度和测量效率,表明了Kinect深度摄像机在振动测量中的优势。

基于摄像机跟踪和深度信息的三维合成

阐述一种新的基于摄像机跟踪和深度信息的三维合成技术。此技术将2D视频源转为3D视频,然后提取3D视频源的深度信息,再将摄像机跟踪和视频深度信息有机结合起来,使得3D视频和3D物件在三维场景中有机融合,进而获得更加真实自然的三维合成效果。

基于双目会聚型立体摄像机的目标深度测量

目标物体的三维测量是双目立体视觉的一项重要任务。基于视差的平行摄像机模型是最常见的用于三维重建的双目摄像机模型。一般双目立体摄像机不是严格平行的,所以采用上述方式进行三维重建时需要进行极线校正。提出了一种新的用于三维测量的双目摄像机模型,该模型针对一般常见的非平行的会聚立体摄像机模型。采用该模型进行目标物体的三维测距时,根据摄像机标定得到的相对外参,即可快速得到目标物体的深度信息。同时,本文从分辨率的角度对提出的深度测量方法进行了精度分析。实验结果验证了提出方法的有效性和可靠性。

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.

基于Kinect深度信息的实时三维重建和滤波算法研究

分析了基于Kinect输出的深度数据进行场景实时三维重建的算法。针对实现过程中出现的深度图像噪声过大的问题,根据其信号结构的特点给出了改进的双边滤波算法。新算法利用已知的深度图像噪声范围,将权值函数修改为二值函数,并结合RGB图像弥补了缺失的深度信息。实验表明,新算法无论是在降噪性能还是计算效率上,都大大优于已有的双边滤波,其中计算速度是原始算法的6倍。

基于KINECT FUSION的室内目标三维重建系统

三维重建是计算机科学领域研究的热点,从一门尖端且难以摸索的学科到逐步与大众市场接轨,三维重建技术渐渐地融入到人们的工作、学习和生活当中。以微软公司推出的Kinect传感器为代表的深度图像采集设备被普遍采用到三维重建领域,基于Kinect Fusion的三维重建技术在该领域得到了广泛的应用。Kinect Fusion是一种操作简便、速度较快且成本低廉的三维重建方法,使用Kinect传感器作为采集深度图像的输入设备,经过对原始深度图像的去噪、平滑以及表面重建等一系列方法,最终可以获得目标物体在三维空间中的点云模型。

基于Kinect深度信息的人体三维点云去噪方法

针对复杂场景中三维点云噪声数据影响人体三维重建效率、精度的问题,提出一种基于深度信息的三维点云去噪方法。首先使用Kinect三维扫描仪获取场景中人体的三维深度噪声数据,采用多模型数据融合方法进行预处理,然后通过改进的C均值算法去除离群点噪声并进行聚类,最后利用深度数据双边滤波方法对高频信息进行处理。通过实验对比验证,论文方法能够有效地除去大尺度噪声和光顺小尺度噪声,并保留数据的完整性。

基于点云融合算法的Kinect三维重建技术及其应用研究

在三维重建技术中Kinect Fusion算法是有里程碑意义,但对硬件要求高,重建效率低,无法满足快速的重建场景。针对这种情况,提出基于点云融合算法的Kinect快速三维重建算法,结合3D打印技术来辅助教学的应用。应用Kinect的多深度图像融合的三维重建算法实现目标物体的三维重建;应用微软的开放打印平台3D Builder进行表面修整和模型重组;通过3D打印机打印出实体模型。立体几何结构专业的实验结果表明,相比于Kinect Fusion,该算法可以更加快速、方便地以实体模型展示的方式来辅助学生更好地掌握多几何结构交插的复杂构成。

基于Kinect的人体三维重建方法

通过Kinect体感仪,实现人体三维重建.使用Kinect体感仪,扫描获取人体三维数据,利用深度数据转换算法实现二维顶点的三维化,再通过红外相机姿态跟踪算法进行顶点集配准,求解出相机每次的相对位移与转动角度,实现相机姿态跟踪,并将每次拍摄到的点集转换到同一全局坐标系下,使用晶格化显示集成算法将点云集成到提前划分好精度及尺寸的体素晶格中,最后利用投影映射算法获得可视化的人体三维立体模型.使用Kinect体感仪及三脚架等辅助设备方便快捷地获取人体三维重建结果,并通过3D打印技术对模型进行输出.该研究实现了人体三维重建中人体扫描、处理、重建、输出全流程.

基于Kinect的三维人体建模研究

针对三维人体模型在多媒体工业中高精度的要求,提出了1种通过查找近似模型并结合网格变形算法的三维人体重建方法,采用Kinect深度摄像机扫描人体获得目标模型;在可变模型中查找与扫描模型特征信息相近的模型;并利用可变人体模型的网格变形,重建出三维人体模型。实验结果表明,所提方法简单、易操作,且不需任何人体标定,能够重建出高精度的三维人体模型。

基于Kinect传感器的三维重建算法研究

针对基于Kinect传感器在对图像进行深度获取中图像精准度比较低的问题,严重影响了对三维物体的重建。对此本文提出采用对特征点进行加权迭代最近点的方式,提高了对实验精准度。最后通过不同的方法的比较对本文算法在视觉效果、误差方面进行了验证。

基于Kinect三维重建的地下井室可视化方法研究

针对现有地下井室病害探测与维护方法的不足,提出了一种基于Kinect三维重建的地下井室可视化方法,以实现其三维可视化探测与维护。还提出了一种基于多项式曲面拟合的Kinect深度测量误差修正方法,利用联合双边滤波算法对深度图像数据进行预处理;结合SIFT特征匹配和改进的RANSAC算法获取相邻点云间的初始位姿,并利用基于邻域特征的ICP算法进一步实现不同视角点云的精确配准,从而获取全局一致的稠密三维点云。最后,在三维稠密点云的基础上进行曲面重建和纹理贴图,以实现地下井室真实三维重建。实验结果表明所提方法可有效修正Kinect深度相机的深度测量误差,在0.5~4.5m的测距范围内,其三维重建精度可达2cm;在4.5~7m的测距范围内,精度也可以保持在4.5cm以内。所提重建方法可实现地下井室真实场景的三维可视化,为地下井室的探测和维护提供了技术支持。

三维传感器Kinect在农业领域的应用与发展

随着信息技术的不断发展,三维传感器也得到了越来越多的应用,其中微软公司推出的Kinect传感器受到了各个领域研究人员的关注,使Kinect在计算机视觉与控制、医疗、教育、电子商务等领域都有很好的应用。本文介绍Kinect设备的组成及其工作原理,并阐述其在农业领域的应用现状,包括在农作物上的监测与记录、农业机器人视觉系统和作物三维形态生长模型的重建等,分析Kinect设备的优点与不足。最后,对Kinect在农业领域的应用进行展望。通过对Kinect的介绍与分析,从而发掘其在农业方面的应用潜力,为三维成像技术在农业领域的进一步发展提供参考。

使用Kinect传感器的油菜叶片面积测量方法

为快速准确地测定活体油菜的叶片面积,减小在数字图像处理中由于叶片的卷曲和变形带来的二维投影误差大的问题,使用Kinect传感器拍摄油菜叶片的彩色和深度图像,用三维方法测量叶片面积。利用绿色分量值显著的特性在彩色图中分割出叶片并将其映射到深度图。在深度图中,使用标定方块计算像素-物理尺寸转换参数,以计算叶片的三维点云。在三维点云中,检测叶片的轮廓并去除毛刺,再使用插值使点云网格化,最后使用海伦公式计算叶片轮廓包含的网格面积,得到叶片的总面积。实验结果表明,Kinect传感器的测量方法成本低、精度高、通用性强。测量值与真实值之间显著正相关,相关系数为0.998 5。使用回归方程y=0.955x+22.357可以校正测量值,使其更准确地反映叶片面积。

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.

基于点云拼接的植物三维模型重建

针对采用点云配准法对植物三维模型重建的运算时间长、配准精度对参数要求高等问题,提出一种基于点云拼接法的植物三维模型重建算法。首先将转盘水平放置于地面上,利用Kinect获得转盘轴线相对于摄像头的位置信息,将植物放置于转盘上并以60°等间隔旋转转盘并对植物进行6次图像采集;然后将彩色和深度图像数据融合得到植物点云,并对原始点云进行背景去除、离群点去除等操作获得理想的点云;最后将来自6个视角的点云分别绕轴旋转相应的角度,从而将点云拼接到一起。实验证明所提出算法的重建效果与点云配准算法的重建效果相似,并且本文算法的运算时间大为减少,具有较高的工程实用价值。

单目交通场景下基于自标定的车辆三维信息识别算法

获取车辆的三维信息作为车型精确分类的依据,已成为当前越来越重要的研究方向,但交通场景中的监控相机大多为单目相机,由于透视因素无法直接获取车辆位姿、车辆轮廓尺寸等三维信息.针对上述问题,提出单目交通场景下基于自标定的车辆三维信息识别算法,首先根据典型的交通场景,建立单目相机的摄像机模型以及较稳定的单消失点标定模型,完成摄像机标定;接着使用深度学习卷积神经网络中的YOLO模型对交通场景中的车辆进行二维目标检测.在此基础上,提出对角线和消失点约束的非线性优化求解算法,结合标定信息完成车辆的三维信息识别及最佳三维目标检测.在公开数据集BrnoCompSpeed和实际高速公路场景进行了实验,实验结果表明,该算法在多种交通场景下均能有效识别车辆三维信息,平均识别准确率超过90%.

基于视角无关转换的深度摄像机定位技术

通过整合深度和颜色信息,深度摄像机Kinect能够稳健的侦测出人体及人体骨架关节点,为计算机视觉、人体行为识别、机器人学的发展带来了革命性的进步.然而单台深度摄像机的侦测范围有限.虽然采用多台深度摄像机所构建的摄像机网可有效的扩大侦测范围,但是必须依赖深度摄影机之间的相对位置与朝向的精确标定.论文采用作者之前提出的以人体骨架为基础的视角无关转换技术,能快速稳健的标定出深度摄像机之间的位置关系.通过利用相邻两台深度摄影机同时侦测到的人体骨架,论文能直接利用深度摄影机所量测的人体上半身中稳定的关节点为新坐标系的参考点,实时的计算出两摄影机之间的平移向量和旋转矩阵,而不依赖其他额外的校正设备或人为介入处理.通过在室内环境中安装两台摆放于不同位置与朝向的深度摄影机,从而,验证了该方法的实时性与易用性.该实时标定方法解决了深度摄影机侦测范围有限的限制,同时,可由两两相邻的标定扩展到多台深度相机的全局标定,从而,可以被广泛的应用于人体行为识别、情境感知服务等领域.

一种基于深度摄像机的3D人体步态建模和识别方法

步态识别在反恐、安防、智能监控和现实挖掘等领域具有广泛的应用前景,但现有的二维步态分析方法在面对视角变化、物体携带等复杂应用场景时受到限制。对此,探讨一种以人体点云数据为基础的三维参数化步态建模和识别方法。运用深度摄像机获取人体点云数据,对标准的参数化人体模型进行形体和姿态变形;通过观测步态点云轮廓与标准三维参数人体轮廓之间的距离度量函数,运用改进鲍威尔法进行极小值求解,实现人体点云数据到三维参数化步态模型的估计;以估计的三维人体姿态和形体语义参数作为结构化步态数据,通过具有时序结构的长短时序记忆模型来提取步态时空特征,借助SoftMax分类器进行训练,实现人体步态识别。实验结果表明,基于三维的人体步态识别方法在处理视角可变的步态识别问题上有很好的效果和应用前景。

基于深度图像信息的室内导盲系统

针对盲人独自在室内环境下行动容易受到障碍物的影响的问题,提出了基于图像深度信息的室内多种障碍物的检测算法。首先使用微软Kinect v2来拍摄室内的图像,然后从采集到的深度信息来重建出三维场景,并获取相应的3D点云数据;其次利用经典的随机采样一致性(RANSAC)算法,参考地面相对于人体的位置和距离等特点,将地面从获取的点云中提取出来;最后利用剩余的点云数据,根据不同障碍物各自的特性,提出对应的检测算法并结合欧式聚类算法可将各障碍物分割开来,再根据门宽和门高所满足的条件精确区别出门平面和墙平面,最后利用N-近邻采样一致性(NAPSAC)算法提取台阶面,最终通过各台阶面之间的距离来判定是否有楼梯。实验结果显示文中提出的算法能够有效检测到室内多种障碍物,并给予盲人精确有效的提示,有效解决传统方法易受光照影响,对于不同深度、倾斜和形状不规则的障碍物检测效果差,输出信息单一的问题。