个人卖家: 使命而来
基于RGB-D视频流的室内环境3D目标高效检测算法
基于RGB-D视频流的室内环境3D目标高效检测算法
300.00
累计销量 0
累计评价 0
评分 ★★★★★
售卖方式详解

请登录后购买。

使用环境 在室内环境中,使用Kinect相机获取RGB-D视频流,相机保持平稳移动,避免出现明显抖动,不对场景中的物体进行重复录制。
使用对象 室内场景中的各类物体,如沙发、桌子、椅子等常见家具。
使用目的 高效检测室内场景中的3D目标物体,提高目标检测的准确性和效率,减少检测时间,适用于室内机器人导航、增强现实等场景。
输入数据 RGB-D视频流中的彩色图像帧和点云数据,图像分辨率为640×640像素,以jpg格式存储。
输出数据 检测到的3D目标物体的类别、位置、朝向信息
硬件配置 CPU:Intel Core i5-7th GPU:无(可选) 内存:4GB 摄像头:Kinect Azure DK相机
样本获取 使用Kinect相机在不同室内环境中录制RGB-D视频流,获取多段视频流数据,每段视频流包含若干帧图像及对应的点云数据,用于训练和测试。
测试结果 与基于VoteNet的逐帧检测方法相比,本文方法的检测结果准确,且检测时间大大缩短。例如,对于一段63帧的视频流,本文方法检测耗时35.95秒,而VoteNet逐帧检测耗时75.60秒。
执行速度 关键帧提取耗时11.45秒,关键帧检测耗时4.50秒,其余帧插值检测耗时20.00秒,总检测时间35.95秒(以63帧视频流为例)。
资源消耗 4核CPU,计算占比平均约60%;4GB内存,使用占比约50%。
源码类型 本算法有Python版本源码,可提供授权使用。
文件大小 算法程序文件30K,权重文件220M。
相关备注 本算法针对室内环境的RGB-D视频流数据,能够高效地检测出视频流中各帧的3D目标物体。
基于RGB-D视频流的室内环境3D目标高效检测算法 基于RGB-D视频流的室内环境3D目标高效检测算法 基于RGB-D视频流的室内环境3D目标高效检测算法
买家 规格或版本 评分 评价 时间