我有一個帶有多個攝像機的設定，它們都指向同一個場景。所有相機都校準到相同的世界坐標系（即：我知道所有相機相對于世界坐標系原點的位置）。在來自攝像機的每張影像中，我將檢測場景中的物件（分割）。我的目標是計算場景中的所有物件，我不想計算一個物件兩次，因為它會出現在多個影像中。這意味著如果我在影像 A 中檢測到一個物件，而我在影像 B 中檢測到一個物件，那么我應該能夠確認這是否是同一個物件。由于我的校準相機，應該可以使用我擁有的 3D 資訊來做到這一點。我在想以下幾點：
體素雕刻。我使用檢測到的物件從所有影像中創建輪廓。我應用體素雕刻，然后計算我擁有的集群體素的唯一數量。這將是場景中唯一物件的數量？
例如，我還考慮過獲取物件的中心，然后將光線從它投射到 3D 世界中，這適用于每個相機，然后檢測線條是否相互交叉（來自不同的相機）。但這很容易出錯，因為每個影像中的物件的大小/形狀可能略有不同，并且中心可能會偏離。此外，攝像機的位置也不是 100% 準確的，這將導致光線關閉。
解決這個問題的好方法是什么？
uj5u.com熱心網友回復：
您是否只知道“物件”，但不知道類別或身份，除了邊界框或蒙版之外不知道其他影像資訊嗎？那么這是不可能的。
考慮一個明顯的簡化，因為我現在不想畫視錐
黑匣子是真實的物體。左軸和下軸是它們的投影。鑒于這些預測，深灰色框也將是框的有效假設。
你無法分辨這些盒子的真正位置。
如果你有一些東西可以消除不同物件檢測的歧義，那么是的，這將是可能的。
其中一個非常精細的變體是塊匹配以獲得視差圖（立體視覺）。這是“Structure from Motion”的一個特例。
如果您的“物件”具有紋理，并且您愿意計算點云，那么您可以做到。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/450092.html