单目,双目,深度相机比较

1.mono
优点:
结构简单,成本低
缺点:
在单张图片里,无法确定一个物体的真实大小。它可能是一个很大但很远的物体,也可能是一个很近很小的物体。通过相机的运动形成视差,可以测量物体相对深度。但是单目SLAM估计的轨迹和地图将与真实的轨迹和地图相差一个因子,也就是尺度(scale),单凭图像无法确定这个真实尺度,所以称尺度不确定性。

2.stereo
优点:
基线距离越大,能够测量的距离就越远;并且可以运用到室内和室外。
缺点:
配置与标定较为复杂
深度量程和精度受到双目基线与分辨率限制
视差计算非常消耗计算资源,需要GPU/FPGA设备加速

3.RGB-D
通过结构光或ToF(time of fly)的物理方法测量物体深度信息。
典型代表Kinect/xtion pro/RealSense。
 测量范围窄,噪声大,视野小,易受日光干扰,无法测量透射材质等问题,主要用在室内,室外很难应用。

原文地址:https://www.cnblogs.com/hiram-zhang/p/8503570.html

时间: 2024-09-30 15:50:29

单目,双目,深度相机比较的相关文章

UE4中VR模式下窗口单目双目的问题

深度相机哪家强?

随着机器视觉.自动驾驶.机器人的火爆,采用深度相机采集环境的深度信息然后进行物体识别.环境建模等越来普遍:相对于传统2D相机,3D相机增加了一维的深息,因而,能够更好的对真实世界进行描述:在许多领域如安防.监控.机器视觉.机器人等,拓展了更多的可能:如自动驾驶中的物体识别和障碍物检测,工业中散乱码放物体的识别.分拣.拆垛.码垛,物流场景中物体的货架抓取等等. 深度相机,顾名思义,指的是可以测量物体到相机距离(深度)的相机,如微软的Kinect, Kinect 2, Intel 的 RealSen

基于OpenCV单目相机的快速标定--源码、工程、实现过程

相机的标定是所有人走进视觉世界需要做的第一件事,辣么多的视觉标定原理解释你可以随便在网上找到,这里只讲到底如何去实现,也算是给刚入门的朋友做个简单的分享. 1.单目相机标定的工程源码 首先请到同性交友网站Github上下载工程源码(https://github.com/Zhanggx0102/Camera_Calibration),注意以下几点: 1).这是一个MS Visual Studio 2010的工程源码(版本是201x都可以). 2).在编译运行之前请先在VS中配置好OpenCV(网上

单目相机测距

单目测距的小项目,大概需要就是用单目相机,对一个特定的目标进行识别并测算相机与该目标的距离.所以便去网上找了一堆教程,这里给大家总结一下,希望给小白们一个参考. 首先是基本需求了 opencv自然要会的,这咱就不多说了,会一点就行 需要一个摄像头,我用的是一个畸变很大的鱼眼免驱动摄像头,大家用电脑上的那个自带摄像头也可以的,就是不方便. 需要MATLAB进行相机标定 其实上面都是废话,下面进入正题吧. 网上的方法大概有两种,这里主要介绍一个我身边的大哥们都称做PnP问题的一个方法,但会另外简单介

Semantic Monocular SLAM for Highly Dynamic Environments面向高动态环境的语义单目SLAM

一.摘要 当前单目SLAM系统能够实时稳定地在静态环境中运行,但是由于缺乏明显的动态异常处理能力,在动态场景变化与运动中往往会失败.作者为解决高度动态环境中的问题,提出一种语义单目SLAM架构,结合基于特征和直接方法实现具有挑战的条件下系统的鲁棒性.作者所提出的方法利用专业概率模型从场景中提取的语义信息,使跟踪和建图的概率最大化依赖于那些相对于相机没有呈现相对运动的场景部分.在KITTI和Synia数据集上,作者展示了在动态环境中更稳定的姿态估计效果以及相比当前最好静态场景下不错的表现. 二.贡

在自遮挡下的单目图像3D姿态估计 Monocular Image 3D Human Pose Estimation under Self-Occlusion (ICCV 13)

Monocular Image 3D Human Pose Estimationunder Self-Occlusion (ICCV 13) 在自遮挡下的单目图像3D姿态估计 摘要:文中提出在单张图片中3D姿态自动重建的方法.人体关节.易产生幻觉的身体部位的存在,杂乱的背景,都将导致人体姿态判断的歧义性,这都说明这不是一个简单的问题.研究者研究了许多基于运动和阴影的方法,为了减小歧义性,并对3D姿态进行重建.我们算法的关键思想就是增加运动和方向限制.前一个是在3D模型映射到输入图像时增加的限制,

单目与空间尺度

结论:利用单目不能获取外界环境的尺度信息 下图为在一个先验的环境中,利用单目得到的投影关系图 下面我将证明:当把场景扩大k倍,并保证旋转不变且平移扩大k倍时,变换前后同一个3D点X的像素坐标不变. 相机的像素坐标与3D点的坐标关系为: 原文地址:https://www.cnblogs.com/npulzb/p/11640733.html

ISO/IEC 9899:2011 条款6.5.3——单目操作符

6.5.3 单目操作符 语法 1.unary-expression: postfix-expression ++  unary-expression --  unary-expression unary-expression    cast-expression sizeof    unary-expression sizeof    ( type-name ) _Alignof    ( type-name ) unary-operator:    以下之一 &    *    +    -

深度相机的仿激光数据创建地图--24

原创博客:转载请表明出处:http://www.cnblogs.com/zxouxuewei/ 前提: 1.本教程确保你已经成功安装了kinect 或者xtion深度相机的驱动,能够正常使用.驱动安装可参考我的博客http://www.cnblogs.com/zxouxuewei/p/5271939.html 2.你已经具有一台能够手动或者自动移动的平台,将你的深度相机真确安装在移动平台上.(如下图片是我自己制作的移动平台,以后会对接口做详细的描述) 一.使用kinect深度相机将点云数据转换为