Mar, 2024

基于 3D 视觉传感器的双向自动人数计数器原型

PDF
TL;DR基于 RGB-D 传感器的双向人数计数系统，能够实时检测场馆内的人员数量，辅助安全监控并检查场馆的最大容量，支持统计分析和使用 C++、Python 和 PHP 进行图像处理。
发现论文，激发创造
  • 利用深度传感器在杂乱场景下进行实时人数统计的基准数据和方法

    本文提出了用于智能交通系统中真实世界杂乱场景下人数自动计数的方法，其基于 RGB-D 数据集，使用深度视频的点云计算方法、3D 人体模型和轨迹跟踪来计数，得到高精度的计数结果。

    Apr, 2018

  • 多模态虚拟点 3D 检测

    通过无缝融合 RGB 传感器到 Lidar 的 3D 识别中，我们提出了一个简单而有效的多模态检测器，该方法利用一组 2D 检测生成密集的虚拟 3D 点，能够增强原来稀疏的 3D 点云，实验结果在大规模 nuScenes 数据集上取得了显着的改进，并超过了竞争融合方法。

    Nov, 2021

  • 神经网络 RGB->D 感知：从视频摄像机中获得深度和不确定性

    本文提出了一种基于深度学习和贝叶斯滤波的方法，从单目视频流中连续估计每个像素的深度和不确定度概率分布，通过积累时间降低深度不确定度，提高准确性和鲁棒性，该方法可将普通 RGB 相机转换成 RGB-D 相机，并实现更为精确、稳定、泛化性更好的 3D 场景重建。

    Jan, 2019

  • Function4D：基于极稀疏消费级 RGBD 传感器的实时人体体积捕获

    本文提出了一种结合时间体积融合和深度隐式函数的人体体积捕捉方法，该方法不仅可以实现高质量、连续的重建，而且可以生成包含几何细节和更加逼真的纹理结果的细节保留深度隐式函数，实验结果表明，该方法在稀疏视角、泛化能力、重建质量和运行效率方面优于现有方法。

    May, 2021

  • DepthTrack: 揭示 RGBD 跟踪的威力

    该论文介绍了一种新的 RGBD 跟踪数据集 - Depth-Track，其中有 200 个序列，40 种场景类型和 90 个对象，并建立了一个新的 RGBD 跟踪基准 DeT，揭示了真正的训练数据对深度 RGBD 跟踪的益处。

    Aug, 2021

  • 使用 RGB-D 融合在 DiffusionDet 框架中增强的汽车物体检测

    一项基于视觉的自动驾驶需要可靠高效的对象检测的研究提出了一种 DiffusionDet 框架，该框架利用单目相机和深度传感器的数据融合来提供 RGB 和深度（RGB-D）数据，并通过在训练阶段随机重塑基准边界框，使模型学习噪声加入的相反扩散过程。通过将 RGB 图像的纹理和颜色特征与 LiDAR 传感器的空间深度信息结合起来，所提出的框架采用了特征融合，从而大大提高了汽车目标的对象检测能力。在 KITTI 数据集上进行的全面实验取得了 2.3 的 AP 增益，特别是在检测小物体方面展示了所提出方法的改进性能。

    Jun, 2024

  • 利用残差重建 RGB-D 相机动态环境下的三维模型

    本文提出了一种基于 RGB-D 传感器的方法，能够稳定地在包含多个动态元素的场景中进行地图绘制和定位，并在现有数据集上对其进行评估和发布。

    May, 2019

  • RGB-D 相机的鲁棒本质和外参校准

    本论文提出了一种基于新型两个组件误差模型的，人性化，可靠且准确的校准框架，能够很容易地估计一般颜色深度传感器的内部和外部参数，该方法相对于其他现有系统具有更高的校准精度，已经在 ROS 机器人框架中实现。

    Jan, 2017

  • 基于 RGBD 变形模型和综合移动数据集的亚厘米精度数字双生跟踪

    数字孪生技术在移动增强现实环境中，通过创建精确的物理对象数字副本，对于重塑三维物体追踪和定位场景具有重要潜力。本文基于我们之前的工作《数字孪生追踪数据集》（DTTD），针对移动增强现实环境中的挑战，提出了一种基于转换器的 6 自由度姿态估计器，并引入了使用 iPhone 14 Pro 的创新 RGBD 数据集，通过大量实验和深入分析，证明了我们方法在处理深度数据错误时的有效性，超过现有基线的性能。代码将公开提供。

    Sep, 2023

  • RGBD 图像中的非结构化人类活动检测

    使用 RGBD 传感器和最大熵隐马尔科夫模型识别人类活动，通过层次化建模的方法，将活动分解为多个子活动，实验结果表明在不同环境下能够识别出 12 种不同的人类活动。

    Jul, 2011