相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定 相机标定

采用新型3D传感器能够便捷地同时获取多场景、多视觉和多目标彩色和深度信息的RGB-D图像，利用其在物体重叠和遮挡下深度信息对颜色和亮度的不变特点，有效提高RGB-D图像分类的精度。对微软Kinect设备的发展及原理做详细介绍；介绍了现有的RGB-D数据集；对现有RGB-D图像特征提取与分类方法进行了归纳、分析和比较；阐述RGB-D图像分类的发展趋势。

当前经典的图像分类算法大多是基于RGB图像或灰度图像，并没有很好地利用物体或场景的深度信息，针对这个问题，提出了一种基于RGB-D融合特征的图像分类方法。首先，分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征，然后将得到的两种图像特征进行特征融合；其次，使用改进K-means算法对融合特征建立视觉词典，克服了传统K-means算法过度依赖初始点选择的问题，并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码；最后，利用线性SVM进行图像分类。实验结果表明，所提出的算法能有效地提高图像分类的精度。

Object_Recognition_From_RGBD_Data：近年来，对象识别由于其众多的应用而引起了研究人员的越来越多的关注。 例如，对象识别使协作机器人能够执行诸如在非结构化环境中搜索对象或为人类同事检索工具之类的任务。 在这项研究中，我们提出了一种新技术，用于从红色，绿色，蓝色和深度（RGB-D）数据中进行无监督的特征提取，然后将其与多个分类器组合以执行对象识别。 具体而言，我们的体系结构首先通过无监督的聚类技术对桌面场景中的所有对象进行了细分。 然后，它分别关注每个对象，以提取形状和视觉特征。 我们对从YCB对象和模型集中选择的20个对象的子集进行实验，并评估几个分类器的性能

Object Class Segmentation of RGB-D Video using Recurrent Convolutional Neural Networks Mircea Serban Pavel

本文是整理中的Kinect for Windows v2 的C++ 程式开发教程。内容包括但不限于： • Kinect for Windows SDK v2 基本介绍 • Kinect for Windows SDK v2 C++ API 简介 • K4W v2 C++ Part 1：简单的深度读取方法 • K4W v2 C++ Part 2：使用OpenCV 显示深度影像 • K4W v2 C++ Part 3：读取彩色影像与红外线影像 • K4W v2 C++ Part 4：读取人体位置（Body Index） • K4W v2 C++ Part 5：简单的去背程式 • K4W v2 C++ Part 6：使用OpenGL 绘制场景 • K4W v2 C++ Part 7：侦测、追踪人体骨架 • K4W v2 C++ Part 7a：绘制人体骨架 Kinect Fusion • Kinect Fusion Part 0：使用概念 • Kinect Fusion Part 1：C++ API 基本使用 • Kinect Fusion Part 2：含色彩资讯的版本 Visual Gesture Builder 工具 • 建立Kinect 的姿势辨识资料库：Visual Gesture Builder 工具（一） • 建立Kinect 的姿势辨识资料库：Visual Gesture Builder（二） • Visual Gesture Builder C++ API 其他： • Kinect for Windows v2 的一些资源

基于加权测地驱动度量标准的室内场景RGB-D图像超像素

针对传统视觉里程计在低纹理场景下,定位精度差甚至失效的问题,提出一种结合点线特征的RGB-D视觉里程计方法。该方法结合了点线特征各自独有的特性,同时联合点特征的光度误差和线特征的局部梯度适应性误差,构建了一个对低纹理场景鲁棒的联合误差函数。利用高斯-牛顿迭代法对联合误差函数进行非线性迭代优化,以获取相机每一帧的准确位姿。在公开的真实RGB-D数据集和合成基准测试数据集上对本文方法进行评估。实验结果表明,与其他先进算法相比,本文算法具有更优越的准确性和鲁棒性。

Accurate estimation of human body orientation can significantly enhance the analysis of human behavior, which is a fundamental task in the field of computer vision. However, existing orientation estimation methods cannot handle the various body poses and appearances. In this paper, we propose an innovative RGB-D-based orientation estimation method to address these challenges. By utilizing the RGB-D information, which can be real time acquired by RGB-D sensors, our method is robust to cluttered e

显著性目标检测论文下载 论文：RGB-D Salient Object Detection A Survey