34、3D 图像识别与无人机自主应用的前沿技术解析

3D 图像识别与无人机自主应用的前沿技术解析

1. SI - LBP：获取 3D 局部二值模式的新框架

在 3D 成像领域，SI - LBP（Shape Index - Local Binary Patterns）作为一种新框架，为获取 3D 局部二值模式带来了革新。

首先，SI - LBP 利用六个局部区域附近的深度值进行进一步处理，这是以往文献回顾中难以实现的操作。而且，在 SI - LBP 中不存在孤立的单一数据点，这凸显了每个区域内深度值邻域位置的重要性。在一个 3×3 的 LBP 窗口中，如果其余八个邻域对特定区域没有显著贡献，窗口中心位置的深度值将被替换为最小深度值 0，反之亦然。基于邻域描述，深度数据也会受到影响，由此可以总结出两个重要特征：
- 邻域描述特性 ：SI - LBP 的最终输出图像描述了邻域信息。经过 SI - LBP 操作后，从提取的面部区域中可以观察到一些数据点发生了变化。如果特定区域在 SI 内有更多数据点，相应的 SI - LBP 会保留更有价值的描述。
- 数据点筛选特性 ：去除了 X - Y 平面上的极端深度点，即极端、孤立的点，同时删除了不必要和不需要的点。

通过 SI - LBP，形状指数、主曲率以及 LBP 和局部邻域在 3D 成像中的关键作用得到了强调，上述讨论的每个特征都得以实现。

2. 实验与讨论：SI - LBP 与 2.5DLBP 的对比

为了探究 SI - LBP 相对于 2.5DLBP 的优势，研究人员进行了一项基于人脸识别机制的案例研究。研究发现，与提取的感兴趣区域（RoI）内的原