计算机视觉方向简介(三) | 单目微运动生成深度图

最新推荐文章于 2025-10-22 22:06:00 发布
原创 最新推荐文章于 2025-10-22 22:06:00 发布 · 5k 阅读 · 34 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #深度图 #双摄 #SLAM

本文介绍了在没有深度相机的情况下，如何通过单目相机和微小运动来计算深度图。这种方法利用运动恢复结构（Structure from Motion），尤其是‘深度从微小运动中获取’的技术，可以在短时间内获取深度信息，用于前背景分割、三维重建等。文章详细阐述了算法流程，包括特征点匹配、相机参数估计、稠密立体匹配和深度图精细化，并展示了算法在微小运动视频上的应用效果。

有什么用？

深度图在计算机视觉中有非常广泛的应用，比如前背景分割（用于背景虚化、美颜、重对焦等）、三维重建（用于机器人导航、3D打印、视效娱乐等）。目前能够直接快速获得深度图的方法就是使用深度相机，不同深度相机获取深度图原理见：《深度相机原理揭秘–飞行时间（TOF）》、《深度相机原理揭秘–双目立体视觉》、《深度相机原理揭秘–结构光（iPhone X 齐刘海原理）》。<

最低0.47元/天 解锁文章
计算机视觉与深度学习 ｜ 视觉里程计算法综述（传统+深度）
尘世冰封的专栏
05-03 713
传统方法依赖几何模型，适合高精度场景；深度学习方法端到端优化，适应复杂环境。未来趋势将聚焦多模态融合与轻量化设计。更多实现细节可参考上述开源项目及文献。传统视觉里程计以几何模型为核心，特征点法精度高但依赖纹理，直接法高效但易受光照影响。未来研究聚焦于多特征融合（点、线、面）与轻量化设计。代码实践可参考ORB-SLAM3、DSO等开源项目，深入理解公式推导与优化策略。基于深度学习的视觉里程计通过端到端学习与多模态融合，显著提升了复杂环境下的性能。未来研究将聚焦动态场景适应、轻量化及多传感器协同。
深度图生成与点云维度：算法探究及实现
bug_api163的博客
09-17 392
点云维度的目标是将深度图转化为三维空间中的点云表示。为了实现这个目标，我们可以通过将深度图中的像素坐标转换为世界坐标系中的三维坐标，并将这些坐标组成点云数据。深度图生成指的是从单个或多个图像中推断出场景中物体的距离信息，而点云维度则是将这些距离信息转化为三维空间中的点云表示。深度图生成和点云维度是计算机视觉中重要的任务，其在三维重建、目标检测等领域具有广泛的应用前景。在实验中，我们将获取到的RGB图像输入深度估计网络，得到对应的深度图，然后将深度图转化为点云表示，并可视化展示。
创建深度图像
weixin_51982691的博客
05-21 1413
创建点云深度图像
论文导读 | 深度图生成模型简介
weixin_48167662的博客
10-21 3623
作者：北京大学博士后 刘钰 图生成模型（Graph Generative Models）是复杂网络和图数据管理领域近几十年来的研究热点之一，其主要研究符合真实应用图数据结构性质的随机图生成模型、快速生成算法以及真实图的相关性质等。 其中，过去几十年的研究主要关注传统图模型，即通过对真实图性质的观察、分析和建模，提出一些图生成机制、模型和算法，并证明模型符合的某些重要性质（如度分布的幂律性质）。 传统图模型的优点在于揭示了某种真实图重要的结构性质，并且已有较多面向大规模图生成的高效算法；然而，其..
【图像处理基石】单目深度估计入门：从原理到实践，一文带你走进“单眼测距”的世界
最新发布
智能守恒_HengAI
10-22 1192
在聊技术之前，我们先明确核心概念——深度估计（Depth Estimation），简单说就是让机器“看懂”图像中每个像素到相机的距离。而单目深度估计（Monocular Depth Estimation，MDE），是指仅用一个相机（单目传感器）拍摄的单张2D图像，就能计算出场景的深度信息，输出一张与输入图像尺寸相同的“深度图”（像素值代表该位置的距离，通常用灰度或伪彩色表示，颜色越亮/暗对应距离越近/远）。
点云生成深度图，并保存深度图
10-30
C++写的，点云生成深度图代码，直接修改路径，即可读取点云文件，并保存深度图
深度图像基础知识（二）
shine_cherise的博客
02-07 1万+
在计算机视觉系统中，三维场景信息为图像分割、目标检测、物体跟踪等各类计算机视觉应用提供了更多的可能性，而深度图像（Depth map）作为一种普遍的三维场景信息表达方式得到了广泛的应用。深度图像的每个像素点的灰度值可用于表征场景中某一点距离摄像机的远近。  获取深度图像的方法可以分为两类：被动测距传感和主动深度传感。  In short：深度图像的像素值反映场景中物体到相机的距离，获取深度图像
计算机视觉方向简介：深度图补全
weixin_34185560的博客
08-17 1240
有什么用？ 微软2010年发布了消费级RGB-D（RGB+depth）相机Kinect1，此后涌现了大量基于RGB-D相机的研究工作，比如用RGB-D相机来进行室内三维重建，比较有名的是KinectFusion、Kintinuous，ElasticFusion，InfiniTAM，BundleFusion等。想要了解这部分内容可以参考《计算机视觉方向简...
计算机视觉方向简介单目微运动生成深度图.pdf
04-21
"计算机视觉方向简介单目微运动生成深度图.pdf" 计算机视觉方向简介单目微运动生成深度图是计算机视觉中的一种重要技术，旨在从单目相机的微小运动中获得深度图。这项技术可以用于前背景分割、 三维重建、机器人...
三维-基于深度学习实现的单目立体视觉深度估计算法实现-优质项目实战.zip
10-17
单目立体视觉作为三维深度估计的一种，其研究对于理解视觉世界有着重要的意义。单目立体视觉通过分析单一视角下的图像，利用深度学习算法，可以估计出场景中不同物体的深度信息，这对于机器人导航、自动驾驶、增强...
三维图形几何变换算法实验_计算机视觉方向简介 | 深度学习视觉三维重建
weixin_39620943的博客
12-17 900
点击上方“计算机视觉life”，选择“星标”快速获得最新干货作者：Moonsmilehttps://zhuanlan.zhihu.com/p/79628068本文已由作者授权，未经允许，不得二次转载三维重建意义三维重建作为环境感知的关键技术之一，可用于自动驾驶、虚拟现实、运动目标监测、行为分析、安防监控和重点人群监护等。现在每个人都在研究识别，但识别只是计算机视觉的一部分。真正意义上的...
深度图（Depth Map）
热门推荐
KingsMan666的博客
11-07 4万+
这里主要是指用模型估计图片中的物体深度，这样的方式获得的结果，在一张图片中不同的像素点之间的相对深度差，但是在在连续的图片序列中，两帧之间的深度估计结果没有必然的联系。例如，假设上面的面具是一个视频序列，在第一帧面具左眼的深度为100，面具右眼的深度估计为110.第二帧中，面具的左眼的深度可能是1000，而右眼的深度可能为1010。可以发现，两帧之间同一区域的深度，在采用深度学习模型估计的时候，其绝对值结果是没有参考价值的：例如同样都是左眼，在第一帧中的深度和第二帧的深度估计数值甚至不在一个量级。
基于单目摄像机的图像深度提取
08-08
计算机学院的毕业设计 关于图像深度 使用单目摄像机
pyret运行时深度图生成器
02-11
Pyret运行时依赖图可视化器 扫描“ .arr”，“。arr.js”，“。arr.ts”，“。js”和“ .ts”文件中的相关性。 适用于“ src / runtime *”目录和“ build / runtime” runtime-vis path-to-output-dot-file dir1 dir2 ... dirn
单目图像深度估计综述
11-28
在需要对三维环境感知的领域中，如机器人避障、自动驾驶、增强现实等，二维的图像信息很难满足需求，深度估计技术可以很好的提供场景的深度信息。
法线图生成深度图
jacke121的专栏
03-19 915
法线图提供的是表面梯度信息（∂Z/∂X 和 ∂Z/∂Y），我们可以通过。训练后可用于法线转换深度。这些方法没有测试实际效果。如果你的法线图质量较好，另一种更简单的方法是。是更强大的解决方案。
基于深度学习的图像生成（Deep Learning-based Image Generation）
牛肉胡辣汤
09-28 4590
GANs在图像生成领域取得了巨大的成功，例如生成逼真的人脸图像、自然风景等。深度学习模型在图像生成任务上取得了令人瞩目的成果，例如生成逼真的图像、图像风格转换等。基于深度学习的图像生成是一个令人兴奋的研究领域，它在图像合成、图像修复与增强、图像风格转换等应用领域具有广泛的应用前景。随着深度学习技术的不断发展，我们可以期待更高质量的图像生成模型和更多创新的应用场景的出现。通过训练一个生成模型，可以将一种图像的风格转换为另一种图像的风格。通过训练一个生成模型，可以自动学习图像的特征，并生成逼真的修复结果。
生成深度图的图像模型–ZoeDepth
心一信息
07-25 747
Google Colab，全称Google Colaboratory，是一个免费的基于云端的Jupyter笔记本环境，为数据科学家、机器学习工程师和研究人员提供了一个强大而便捷的工作平台。通常，深度图使用灰度值，即用灰阶数值0-255组成图像，编码距离信息，其中较亮的像素（接近于255一侧）表示较近的物体，较暗的像素（接近于0一侧）表示较远的物体。点开public URL，我们在这个新网站上可以尝试一些内容，包括了深度预测、图像转3D、3D全景转3D，即：将360度球形全景转换为3D网格。
图神经网络实战（17）——深度图生成模型
盼小辉丶的博客
07-18 6278
图生成是生成新图的技术，并且希望所生成的图具有真实世界中图的性质。由于传统图生成方法缺乏表达能力，因此提出了更加灵活的基于图神经网络的技术。本节中，我们介绍了三类深度图生成模型： 基于变分自编码器的模型、基于自回归模型和基于生成对抗网络的模型。
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值