集成技术
集成技術
집성기술
Journal of Integration Technology
2013年
6期
94-99
,共6页
尹潘龙%徐光柱%雷帮军%曹维华
尹潘龍%徐光柱%雷幫軍%曹維華
윤반룡%서광주%뢰방군%조유화
Kinect%3D目标识别%RGB-D数据集
Kinect%3D目標識彆%RGB-D數據集
Kinect%3D목표식별%RGB-D수거집
Kinect%3D object recognition%RGB-D dataset
微软公司2010年推出的Kinect深度传感器能够同步提供场景深度和彩色信息,其应用的一个关键领域就是目标识别。传统的目标识别大多限制在特殊的情形,如:手势识别、人脸识别,而大规模的目标识别是近年来的研究趋势。通过Kinect得到的RGB-D数据集多为室内和办公环境下获取的多场景、多视角、分目标类型的数据集,为大规模的目标识别算法设计提供了学习基础。同时,Kinect获取的深度信息为目标识别提供了强有力的线索,利用深度信息的识别方法较以前的方法具有无法比拟的优势,大大地提高了识别的精度。文章首先对Kinect的深度获取技术做了详细介绍;其次对现有的3D目标识别方法进行综述,接着对已有的3D测试数据集进行分析和比较;最后对文章进行小结以及对未来3D目标识别算法和3D测试数据集的发展趋势作了简单的阐述。
微軟公司2010年推齣的Kinect深度傳感器能夠同步提供場景深度和綵色信息,其應用的一箇關鍵領域就是目標識彆。傳統的目標識彆大多限製在特殊的情形,如:手勢識彆、人臉識彆,而大規模的目標識彆是近年來的研究趨勢。通過Kinect得到的RGB-D數據集多為室內和辦公環境下穫取的多場景、多視角、分目標類型的數據集,為大規模的目標識彆算法設計提供瞭學習基礎。同時,Kinect穫取的深度信息為目標識彆提供瞭彊有力的線索,利用深度信息的識彆方法較以前的方法具有無法比擬的優勢,大大地提高瞭識彆的精度。文章首先對Kinect的深度穫取技術做瞭詳細介紹;其次對現有的3D目標識彆方法進行綜述,接著對已有的3D測試數據集進行分析和比較;最後對文章進行小結以及對未來3D目標識彆算法和3D測試數據集的髮展趨勢作瞭簡單的闡述。
미연공사2010년추출적Kinect심도전감기능구동보제공장경심도화채색신식,기응용적일개관건영역취시목표식별。전통적목표식별대다한제재특수적정형,여:수세식별、인검식별,이대규모적목표식별시근년래적연구추세。통과Kinect득도적RGB-D수거집다위실내화판공배경하획취적다장경、다시각、분목표류형적수거집,위대규모적목표식별산법설계제공료학습기출。동시,Kinect획취적심도신식위목표식별제공료강유력적선색,이용심도신식적식별방법교이전적방법구유무법비의적우세,대대지제고료식별적정도。문장수선대Kinect적심도획취기술주료상세개소;기차대현유적3D목표식별방법진행종술,접착대이유적3D측시수거집진행분석화비교;최후대문장진행소결이급대미래3D목표식별산법화3D측시수거집적발전추세작료간단적천술。
In 2010, Microsoft launched a depth camera named Kinect, which can synchronously provide the depth and RGB information of a scene. Using sensing technique, robust depth information can be achieved at real time. One key area of Kinect is object recognition. Most of the traditional object recognition techniques are limited in special situations, such as gesture recognition, face recognition. Recent trend in computer vision is large-scale recognition. We can get the RGB-D datasets from various scenes, categories, instances and viewpoints of real domestic and ofifce environment by Kinect. The RGB-D datasets can meet the need of practical applications. The depth information provides a strong clue for object recognition. Compared with the previous methods, using depth information for object recognition has incomparable advantage, which can greatly improve the accuracy of recognition. The four major components of this paper are as follows:1) a detailed introduction of the technique to obtain depth information using Kinect;2) review of the existing 3D Object recognition methods;3) an analysis and comparison of the existing 3D Datasets for testing;4) summary of the article, and the future development trend of the 3D object recognition algorithms and the 3D datasets for testing.