rgbd，tif格式是RGB模式印刷出来跟CMYK有啥不同

本文目录一览

1，tif格式是RGB模式印刷出来跟CMYK有啥不同
2，rgbd的b是什么
3，kinect 三维扫描
4，三维重建 3D reconstruction 有哪些实用算法
5，点云重建有哪些经典的算法
6，opencv和pcl的区别

1，tif格式是RGB模式印刷出来跟CMYK有啥不同

RGBd印出来就坏了，一定要CMYK的

cmyk

tif格式是RGB模式印刷出来跟CMYK有啥不同

2，rgbd的b是什么

RGBD中，R是Red红色，G是Green绿色，B是Blue蓝色，D是Depth深度。

额

rgbd的b是什么

3，kinect 三维扫描

现有的效果较好的软件有Reconstrct Me，还有Skanect，你直接google就有了，只能玩玩要想效果好要收费的。要想处理速度快需要好的显卡，驱动的话这些软件都有提示，主要是微软的驱动。

三维重构算法得看你用什么传感器了，如果是双目相机，那一般都是极线几何加视觉特征配准的算法了，优化就用bundle adjustment。如果是单目，较早的有ptam,dtam，近几年struct from motion比较火。如果是用kinect之类的rgbd相机

kinect 三维扫描

4，三维重建 3D reconstruction 有哪些实用算法

三维重构算法得看你用什么传感器了，如果是双目相机，那一般都是极线几何加视觉特征配准的算法了，优化就用bundle adjustment。如果是单目，较早的有PTAM,DTAM，近几年struct from motion比较火。如果是用Kinect之类的RGBD相机，比较好的有微软的KinectFusion，PCL的开源KinFu，以及MIT的加强版Kintinuous。如果用激光，那一般都是当SLAM做了，前端嘛就各种ICP配准算法了，后端的话，三维中主要还是用图优化来做。

你可以先看multiple view geometry in computer vision这本书。了解下基础，而且里面讲到了实用的算法。

5，点云重建有哪些经典的算法

三维重构算法得看你用什么传感器了，如果是双目相机，那一般都是极线几何加视觉特征配准的算法了，优化就用bundleadjustment。如果是单目，较早的有PTAM,DTAM，近几年structfrommotion比较火。如果是用Kinect之类的RGBD相机，比较好的有微软的KinectFusion，PCL的开源KinFu，以及MIT的加强版Kintinuous。如果用激光，那一般都是当SLAM做了，前端嘛就各种ICP配准算法了，后端的话，三维中主要还是用图优化来做。

三维激光扫描技术的快速发展,使其在各个领域得到广泛应用。由于物理上的一些限制,一次三维激光扫描不能获取扫描物体的全部数据,因此要对扫描点云进行拼接。首先,对最常用的icp算法进行一系列研究,icp算法的前提条件是具有一个良好的配准初值,文中在配准初值的选取上采用主成分分析法,为后续icp算法的工作提供一个良好前提条件,增加点集预处理,点对查找上增加各种限制,采用kd-tree加速查找,以此对算法进行改进,并通过实例来验证本算法的有效性及合理性。

6，opencv和pcl的区别

我有一套方法论来分析相似的东西：比较它们的输入和输出。OpenCV输入的是图片，Basic Structures输出的有时候是图片，.org/modules/imgproc/doc/imgproc.html有时候是二维的特征点，.opencv.org/modules/features2d/doc/features2d.html有时候是三维的点云，calib3d. Camera Calibration and 3D ReconstructionPCL输入的是三维的点云，Point Cloud Library (PCL): Module io输出的是N维的特征，Point Cloud Library (PCL): M www.hbbz08.com dule keypoints有时候是三维的表面， Point Cloud Library (PCL): Module surface有时候是三维物体在三维场景中的搜索，Point Cloud Library (PCL): Module registration但是，OpenCV 野心很大，它也想涉足点云处理RGBD 模块，OpenCV: cv::rgbd::Odometry Class Reference

就语言来说是一样的，因为编程思想都一样，但是有些版本用起来可能不那么顺手，而且，有很多是基于opencv1.0做的开发，相对稳定可靠些吧。