3D濾波、噪聲過濾和表面平滑

3D信號處理——深度圖平滑濾波

3D信號處理——深度圖的雙邊濾波

3D信號處理——表面平滑（三角網格表述的曲面）

3D信號處理——表面平滑

3D信號處理——離群點過濾

幾何測量與建模

幾何測量——表面法向量估計

幾何測量——平面提取

3D重建——從離散點云得到光滑曲面

3D重建——ICP點云配準

3D重建——SDF表面重建

應用例子：從稀疏的點云中，構造出可以3D打印的模型

3D物體分割、識別與測量

應用算法流程——3D物體分割、識別與測量

應用算法流程——靜態手勢識別

應用算法流程——人體動作識別

基于神經網絡的3D識別——兩個路線方向

基于神經網絡的3D識別——深度圖作為2D灰度圖使用

基于神經網絡的3D識別——多視角深度圖神經網絡

基于神經網絡的3D識別——體像素3D卷積

基于神經網絡的3D識別——點云神經網絡

圖卷積與神經網絡

? 3D傳感器

不同技術的特點比較和典型應用

? 3D數據表示方法

多種3D數據的表示方法以及相互轉換算法

? 3D數據處理

分析實際的3D傳感器數據特性，并介紹不同的處理算法

? 3D幾何測量與建模

從3D數據中提取幾何參數，用于物體測量和分析

? 3D物體分割與識別

靜態物體的特征提取和統計分析，利用特征數據實現3D對象的識別和分割

? 3D活體檢測與動作識別

生物特征提取和識別應用

? 高級算法和數據處理

基于3D數據的機器學習算法以及更復雜的底層數據處理算法介紹

3D測量

? 將提供的深度圖數據轉換成3D點云，識別其中的立方體并測量尺寸信息。所處理的數據包括靜態幾何體測量和運動物體測量。需要通過使用學到的3D數據處理算法解決實際數據中的噪聲、圖像畸變等問題

幾何體識別

? 從提供的深度圖數據識別特定視角或者不同視角下的不同類型的幾何體，并實現3D點云分割

基于深度圖數據的手勢識別

? 使用提供的深度圖數據，通過3D特征提取，實現手勢識別算法，識別出指定的靜態和動態手勢

? 了解ToF深度相機、結構光深度相機、RGB雙目等多種3D傳感器原理

? 掌握深度圖、點云、體像素、kd樹、三角剖分等不同3D數據的表示方法和數據構建算法

? 掌握3D數據處理算法，包括坐標變換、濾波和過濾、檢索匹配

? 掌握常用的3D數據的參數計算和體征提取算法，包括平面、直線、曲線、曲面、立方體等3D物體尺寸和位姿參數估計

? 了解3D物體識別、場景分割算法，人體動作識別算法，包括基于統計參數的識別算法和基于神經網絡的分析算法。

來源：馬少爺

原文標題：3D感知技術及實踐

文章出處：【微信公眾號：新機器視覺】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq