原创 蘋果iPhone X 3D face ID原理

正如我們所知,Kinect v1在2009年發佈,它是一個深度相機,以骨骼跟蹤應用而聞名。核心深度重構算法是光編碼(light coding),其投射的激光散斑在不同距離上發生變化且互不相關,通過對物體表面的散斑圖案進行相關性分析,可以確

原创 手機雙攝深度算法

更加魯邦、高效的手機雙攝深度算法,精確的深度圖可以構造更加真實的虛化效果。 手機雙攝標定難度大,視差範圍小,使得得到高精度的視差圖變得困難,算法好壞至關重要。給出一組豎排雙攝手機效果: 深度變化分明,邊緣細節清楚。  

原创 opencv3.4.1 contrib+vs2015 編譯 extra算法庫

1 下載 cmake2. 下載opencv3.4.1-contrib3. 配置好輸入輸出路徑,點擊configure,選擇vs2015 x64編譯器,然後會出現如下選項,按照下圖配置路徑和勾選;勾選BUILD_opencv_world會失

原创 C#WPF + Kinect V1開發,獲取IR & RGB Raw Data

Kinect V1深度圖重構原理,基於PrimeSense 公司提供的一種編碼結構光(激光散斑)技術對三維空間進行深度編碼,攝像頭不同距離產生的激光散斑圖案唯一可區分,通過計算物體表面pattern圖案與指定參考平面pattern的相關性

原创 BMP位圖格式的內存存儲方式

最近在搗鼓Kinect 存儲的 raw data,使用 kinect輸出並保存紅外數據流 ColorImageFormat.InfraredResolution640x480Fps30。其紅外數據流的像素

原创 Kinect V1結構光激光散斑原理及樣式

   對 intel realsense F200 和 Kinect V1的coding pattern原理進行調研,知二者都使用light coding的方式,該方法與傳統的coded structure light不同:傳統編

原创 Anaconda2(64bit) + VS2015 + Caffe安裝筆記

1. 官網下載 Anaconda2,也就是python2.7的環境,2. 下載 caffe預編譯版本,https://github.com/BVLC/caffe/tree/windows,選擇第三個 Visual Studio 2015,

原创 OpenCV立體相機標定Stereo Calibration與校準檢驗Rectification詳述

  立體相機標定與校準對於需要獲取深度信息應用場景的重要性不言而喻。   雙目視覺可通過兩攝像頭成像所產生的視差信息來確定現實世界中物體所在準確位置(三維座標),如果雙目未經過標定校準,其精度將會損失,甚至所獲取深度的意義將會喪失。  

原创 基於OpenCV的三維空間VR單點與多點跟蹤方法

System Status: stereo infrared cameras - 2 OmniVision9281 + 1 OmniVision580(bridge processor) _________________________

原创 視覺里程計(VisualOdometry)原理及實現

一、視覺里程計(VisualOdometry)介紹 目前,有不止一種方式可以確定移動機器人的軌跡,這裏將重點強調“視覺里程計”這種方法。在這種方法中,單個相機或者雙目相機被用到,其目的是爲了重構出機器人6-DOF的軌跡。 視覺里程計通過分

原创 基於Matlab的立體相機標定StereoCalibration與目標三維座標定位

1.Matlab關於立體相機標定與目標三維座標定位的流程 環境:Matlab r2015b 找到 APPS-->Stereo Camera Calibrator-->Add Image, 此時會提示左右攝像頭拍攝的棋盤格標定圖片輸入路徑(

原创 OpenCV兩種方式創建圖像序列文件xml,yml,yaml等

Demo路徑:./opencv/sources/samples/cpp/imagelist_creator.cpp “This create a yaml or xml list of files from the command lin

原创 基於OpenCV的立體相機標定StereoCalibration與目標三維座標定位

說明:以下涉及到的一些公式以及圖片來自於Learning OpenCV。 做了快2個月的立體相機標定,遇到了一些問題,也有了一些體會,在這裏記下來。 1.在做立體相機標定的時候,標定板的規範與否直接影響到最後標定的結果,進而會影響目標3D