一、3D视觉感知过程

1.输入：单摄像头或多摄像头生成的图像数据

• 单张图像
• 图像序列

2.输出

• 稀疏：物体在3D坐标系中的位置、大小、朝向、速度等

• 稠密：像素点的类别标签和深度信息

3.算法

• 按输入来分：单目、双目、多目
• 按输出来分：3D物体检测、场景深度估计

二.感知任务

1.难点

• 图像是真实世界在透视视图下的投影

• 透视投影导致距离/深度信息丢失

• 图像上物体的大小随距离而变化

• 很难估计物体的实际距离和大小

2.解决方案

• 借助其他传感器，比如激光雷达
• 借助几何假设和约束来辅助求解病态问题
• 借助深度学习自动地从图像中提取3D信息
  何假设和约束来辅助求解病态问题
• 借助深度学习自动地从图像中提取3D信息
• 借助多个摄像头和立体视觉算法