1. 程式人生 > >RGB-D深度影象介紹RGBD

RGB-D深度影象介紹RGBD


RGBD = RGB + Depth Map

RGB :

RGB色彩模式是工業界的一種顏色標準,是通過對紅(R)、綠(G)、藍(B)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的,RGB即是代表紅、綠、藍三個通道的顏色,這個標準幾乎包括了人類視力所能感知的所有顏色,是目前運用最廣的顏色系統之一。

Depth Map:

在3D計算機圖形中,Depth Map(深度圖)是包含與視點的場景物件的表面的距離有關的資訊的影象或影象通道。其中,Depth Map 類似於灰度影象,只是它的每個畫素值是感測器距離物體的實際距離。通常RGB影象和Depth影象是配準的,因而畫素點之間具有一對一的對應關係。


影象深度

  影象深度 是指儲存每個畫素所用的位數,也用於量度影象的色彩解析度。

  影象深度 確定彩色影象的每個畫素可能有的顏色數,或者確定灰度影象的每個畫素可能有的灰度級數。它決定了彩色影象中可出現的最多顏色數,或灰度影象中的最大灰度等級。比如一幅單色影象,若每個畫素有8位,則最大灰度數目為2的8次方,即256。一幅彩色影象RGB三通道的畫素位數分別為4,4,2,則最大顏色數目為2的4+4+2次方,即1024,就是說畫素的深度為10位,每個畫素可以是1024種顏色中的一種。

  例如: 
  一幅畫的尺寸是1024*768,深度為16,則它的資料量為1.5M。

  計算如下: 
  1024×768×16 bit = (1024×768×16)/8 Byte = [(1024×768×16)/8]/1024 KB = 1536 KB = {[(1024×768×16)/8]/1024}/1024 MB = 1.5 MB


相關推薦

RGB-D深度影象介紹RGBD

RGBD = RGB + Depth MapRGB :RGB色彩模式是工業界的一種顏色標準,是通過對紅(R)、綠(G)、藍(B)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的,RGB即是代表紅、綠、藍三個通道的顏色,這個標準幾乎包括了人類視力所能感知的所有顏色

RGB深度影象獲取最終版

此處在原部落格基礎上進行了改正,調整了深度影象的歸一化處理方法,最終顯示減少了空洞 #include <opencv2\opencv.hpp>  #include<iostream> #include <Windows.h> #inclu

RGB-D深度影象) & 影象深度

RGB-D(深度影象)   深度影象 = 普通的RGB三通道彩色影象 + Depth Map   在3D計算機圖形中,Depth Map(深度圖)是包含與視點的場景物件的表面的距離有關的資訊的影象或影象通道。其中,Depth Map

RGB影象深度影象獲取點雲

#include <iostream> #include <fstream> #include <string> #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include

基於RGB-D的語義分割和目標檢測介紹

寒假的時候看了一篇論文——Multimodal Neural Networks: RGB-D for Semantic Segmentation and Object Detection這篇論文是2017年發表的一篇會議論文介紹將深度圖引入計算機視覺的處理任務,下面是我對這篇

當前深度影象配準方法介紹

    本文主要分析了A review of recent range image registration methods with accuracy evaluation這篇文章中所介紹的各種粗匹配和精確匹配的方法 l A review of recentrange

論文筆記 Locality-Sensitive Deconvolution Networks with Gated Fusion for RGB-D Indoor Semantic Segmentation

extract pear rain bsp ble rgb oge nbsp png 用於RGB-D室內語義分割的具有門控融合的局部敏感反卷積網絡 abstract problem: indoor semantic segmentation using RGB

深度學習介紹(下)【Coursera deeplearning.ai 神經網路與深度學習】

1. shallow NN 淺層神經網路 2. 為什麼需要activation function? 如下圖所示,如果不用啟用函式,那麼我們一直都在做線性運算,對於複雜問題沒有意義。linear 其實也算一類啟用函式,但是一般只用在機器學習的迴歸問題,例如預測房價等。 3.

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習(二)程式碼部分

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習(二)程式碼部分 文章目錄 《Frustum PointNets for 3D Object Detection from RG

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習

《Frustum PointNets for 3D Object Detection from RGB-D Data》論文及程式碼學習 《Frustum PointNets for 3D Object Detection from RGB-D Data》一文是Charles R.Qi

史上最詳盡的RGB-D感測器選型調研報告

最近專案要用到深度相機來進行位姿估計,故詳細調研了一下市場上在售的深度相機,寫了一份調研報告。 一、目前市場上深度相機主要有以下系列: 排除Leap Motion,最大工作範圍0.6米;排除Structure Sensor,要搭配ipad/iphone使用;華碩xtion Pro較

ROS 使用RGB-D攝像頭

更多SLAM文章請參閱:https://zhuanlan.zhihu.com/slamTech 參考網址:http://wiki.ros.org/openni_camera ** 安裝驅動包** $ sudo apt-get install ros-indigo-openni-c

深度影象理解

深度學習基礎知識             深度學習的基礎模組            

[SLAM](番外篇):一起做RGB-D SLAM(5)

    本文轉自高翔老師的部落格,建議在學完教程的第二講後,插入學習,做到工程快速入門。     原文連結:https://www.cnblogs.com/gaoxiang12/p/4719156.html  Visual Odometr

[SLAM](番外篇):一起做RGB-D SLAM(4)

    本文轉自高翔老師的部落格,建議在學完教程的第二講後,插入學習,做到工程快速入門。     原文連結:https://www.cnblogs.com/gaoxiang12/p/4669490.html 上講回顧   上一講中,我們理解了如

[SLAM](番外篇):一起做RGB-D SLAM(3)

    本文轉自高翔老師的部落格,建議在學完教程的第二講後,插入學習,做到工程快速入門。     原文連結:https://www.cnblogs.com/gaoxiang12/p/4659805.html      

[SLAM](番外篇):一起做RGB-D SLAM(7)

    本文轉自高翔老師的部落格,建議在學完教程的第二講後,插入學習,做到工程快速入門。     原文連結:https://www.cnblogs.com/gaoxiang12/p/4754948.html 添加回環檢測 簡單迴環檢測的流程

[SLAM](番外篇):一起做RGB-D SLAM(6)

    本文轉自高翔老師的部落格,建議在學完教程的第二講後,插入學習,做到工程快速入門。     原文連結:https://www.cnblogs.com/gaoxiang12/p/4739934.html 圖優化工具g2o的入門   在上一講

RGB-D 稠密slam相關論文整理

綜合方向梳理 瞭解一下RGB-D SLAM中各開原始碼的效能對比以及所使用方法的異同。 Davison實驗室套餐 Elastic Fusion: DynamicFusion Dynamic

一起做RGB-D SLAM 第二季 (一)

  小蘿蔔:師兄!過年啦!是不是很無聊啊!普通人的生活就是賺錢花錢,實在是很沒意思啊!   師兄:是啊……   小蘿蔔:他們都不懂搞科研和碼程式碼的樂趣呀!   師兄:可不是嘛……   小蘿蔔:所以今年過年,我們再做一個SLAM吧!之前寫的那個太爛了啦,我都不好意