Real-time 3D Pose Estimation with a Monocular Camera Using Deep Learning and Object Priors On an Autonomous Racecar 背景 三维物体投影在平面上会失去一个维度，即不知道物体的距离。但是，有了三维物体的先验信息，我们可以知道三维物体的距离 To this end, we propose a low-latency real-time pipeline to detect and estimate 3D position of multiple objects of interest

基于matlab的单目相机的三维重建项目源码

提出一种基于光流反馈的单目视觉三维(3D)重建方法，实现对场景快速、准确的3D 立体化建模。由帧间光流场建立更为稳健的同名像点匹配关系，同时运用五点算法估计摄像机的相对位姿，以构建稀疏点云和初始网格。从运动视觉分析的角度寻求多视重构的求解方法，将重建模型反馈至重建过程，用各视图像的偏差驱动模型变形。将粗略、不准确的原始网格曲面经过致密的非刚性变形，调整至精确的曲面。在统一计算设备架构下，利用图形处理器对光流算法进行并行加速，显著提高了重构算法运行的实时性。室内真实场景下的重建结果证明了所提算法的可行性与准确性。

利用点特征求解单目相对位姿是现在普遍采用的方法,但在纹理不明显、角点少的场景下,仅依靠点特征难以得到理想的结果。鉴于此,结合惯性测量单元的测量数据和平面场景存在的单应性约束,提出了基于点线特征结合的单目相对位姿估计算法。先利用惯性测量单元提供的旋转角信息将2帧连续图像校正为正下视图像;再对图像中的点线特征进行检测和匹配;最后根据点线特征的单应性约束求解正下视图像之间的相对位姿,进而转化获得原始图像之间的相对位姿。仿真实验和实物实验结果证明,所提算法能够有效地求解单目相对位姿。

qt调用opencv的RGB活体识别程序人脸识别-静态RGB单目活体检测-不用动作配合 视频演示网址 https://v.youku.com/v_show/id_XNDU4NDU0NTE4OA==.html

在需要对三维环境感知的领域中，如机器人避障、自动驾驶、增强现实等，二维的图像信息很难满足需求，深度估计技术可以很好的提供场景的深度信息。

研究生学位论文,内容非常详细，叙述十分清晰，具有很高的参考价值。非常值得学习，适合相关领域知识的学习和巩固，单目视觉空间目标位姿测量算法研究

研究生学位论文,内容非常详细，叙述十分清晰，具有很高的参考价值。非常值得学习，适合相关领域知识的学习和巩固，基于单目视觉的刚体位姿测量系统研究

单目视觉SLAM仿真系统的设计与实现

针对现有移动机器人单目视觉定位算法在光照变化和弱光照区域表现较差、无法应用于煤矿井下光照较暗场景的问题，通过非极大值抑制处理、自适应阈值调节等对快速特征点提取和描述（ORB）算法进行改进，采用随机抽样一致性(RANSAC)算法进行特征点匹配，提高了煤矿井下弱光照区域的特征点提取和匹配效率。针对仅靠单目视觉定位无法确定机器人与物体的距离及物体大小的问题，采用对极几何法对匹配好的特征点进行视觉解算，通过惯导数据为单目视觉定位提供尺度信息；根据紧耦合原理，采用图优化方法对惯导数据和单目视觉数据进行融合优化并求解，得到机器人位姿信息。实验结果表明：①ORB算法虽然提取的特征点数较少，但耗时短，且特征点分布均匀，可以准确描述物体特征。②改进ORB算法与原ORB算法相比，虽然提取时间有了一定的增加，但提取的可用特征点数也大大增加了。③RANSAC算法剔除了误匹配点，提高了特征点匹配的准确性，从而提高了单目视觉定位精度。④改进后融合定位方法精度有了很大提升，相对误差由0.6 m降低到0.4 m以下，平均误差由0.20 m减小到0.15 m，均方根误差由0.24 m减小到0.18 m。