标签：深度图 场景 based Methods Image 三维 Kinect RGB 平面

常用的基线RGBD数据集
1、Make3D 534张户外图和定制三维扫描仪扫描出来的深度图，缺点是： 场景不丰富，深度图分辨率低
2、Kitti 车捕捉的街景，RGB图+激光扫描器扫出来的深度图，缺点是： 深度图分辨率低，且深度图间隔无规则且稀疏
3、NYU depth v2 使用较多，464张室内场景训练+654做评估，RGB+ Microsoft Kinect v1 sensor获得的深度图
4、Kinect 有效距离范围很小，遮挡、边界等不够清晰
5、Matterport3D 使用较多，室内场景，由三个RGB-D摄像机组成的定制3D扫描仪，缺点活动RDB-D传感器 suffers from the same weaknesses of active RGB-D sensors.

误差度量
现有的Error：

这些度量方式都是全剧深度差异的统计，只关注了全局的一致性,不能评估平面的平整性和三维的方向，以及边界和遮挡情况

1、Distance-Related Assessment： 按照不同深度区间分别统计预测正确性
2、Planarity：

planarity error计算了（mask得到的）某一特定平面预测得到的三维points与实际的偏差；
orientation error计算了预测平面与实际平面的角度偏差，角度通过反余弦函数得到，arccos函数可以根据函数值求出弧度值。

标签：深度图,场景,based,Methods,Image,三维,Kinect,RGB,平面
来源： https://www.cnblogs.com/pyclq/p/15341175.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。