利用二维图像的深度估计

本文探讨了基于二维图像的深度估计算法,包括双目立体视觉、基于明暗和光照的方法、基于调焦的方法、基于几何分析的方法以及基于特征学习和相对深度排序的技术。这些方法在不同场景下各有优缺点,适用于近景深度估计和三维重建。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

同上一篇,老板安排的调研

================================================================

基于二维图像的深度估计算法


基于图片的三维重建方法可分为双目立体视觉单目立体视觉


双目立体视觉使用两台摄像机从两个视点观测同一物体,获取在物体不同视角下的感知图像,通过三角测量的方法将匹配点的视差信息转换为深度。一般的双目视觉方法都是利用对极几何将问题变换到欧式几何条件下,然后再使用三角测量的方法估计深度信息。双目立体视觉法的优点是方法成熟,能够稳定地获得较好的重建效果,实际应用情况优于其他基于视觉的三维重建方法;不足的是运算量仍然偏大,而且在基线距离较大的情况下重建效果明显降低 。




1. 基于明暗和光照的方法


1.1 基于明暗的方法:shape from shading
最早的基于单张图片的深度估计是由Horn于1970年提出的shape from shading(Horn B K P. Shape from shading: A method for obtaining the shape of a smooth opaque object from one view[J]. 1970.)。该方法基于图像中的明暗信息,借助反射光照模型,通过恢复物体表面的法向量来重建三维形状。在理想条件下,这种算法可以恢复出较精确的三维模型。但是该方法对于光照条件要求比较苛刻,需要精确知道光源的位置及方向等信息,使得其很难应用在室外场景等光线情况复杂的三维

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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