深度图像 头部姿态估计

利用双边滤波算法对深度图像进行处理可以得到修复图像。

利用同场景的彩色图像增强深度图像，获得高分辨率的深度图像。

matlab开发-将深度图像与相应的彩色图像对齐。此程序将深度贴图与其颜色图像对齐，以用于基于图像的渲染应用程序

CASIA-SURF数据集是 目前进行活体检测的常用数据集，可惜网络上很多链接都失效了，有一些都有解压密码，折腾了很久才找到这个可以用的完整版。目前的最新算法，基本上可以刷爆这个数据集，估计以后只能作为科研的基础啦。(之前的版本还是有问题，这个是更新以后的)

随着机器视觉理论的发展和硬件技术的进步，三维重建在生产、生活中的应用越来越广泛，基于Kinect传感器的三维重建得到广泛的应用。针对于现有的Kinect传感器获得的深度图像深度信息丢失的问题，提出了一种新的基于均值滤波的方法对深度图像进行去噪，并对深度图像进行预处理，获取三维点云，用迭代最近点（Iterative Closest Point, ICP）算法完成点云的精确配准，从而得到配准后物体表面三维点云，并完成物体的三维重建。

上传文档为Kinect深度图像去噪算法

本课题立足机械手自主抓取，研究利用卷积神经网络实现物体表面抓取点生成的解决方案。本课题以场景的深度图像作为输入信息，采取 “先采样，后预测”的两步走抓取生成方案。首先利用 Laplace 方法在深度图像中提取物体边缘像素点，并利用对跖法生成抓取空间；然后基于重要性采样方法从抓取空间中采样获得候选抓取集，最后利用训练好的抓取预测卷积神经网络模型预测候选集每个抓取的成功置信度，取其中极大者作为结果指导机器人完成抓取。 为将卷积神经网络应用于抓取预测，本课题建立了基于卷积神经网络的抓取预测模型。将抓取预测问题抽象为深度学习中的分类问题，网络输出为某抓取点属于成功抓取的置信度。本课题定义一组抓取为

基于RGBD图像的，骨骼序列提取，使用了openNI2 开源库

matlab中灰色的代码Depth2HHA-python 介绍 此仓库在python3中实现了HHA编码算法。 HHA图像是一种编码算法，可以更好地利用深度图像，这是由在本文中： 。 该算法最初是在MATLAB中实现的，我组织了代码的MATLAB版本：。 在此仓库中，我使用python3获得与MATLAB代码完全相同的结果。 我们需要的是： 深度图 原始深度图像（可选） 相机矩阵 如果您对深度图像感到困惑或没有深度图像，请参阅。 用法 我已经在getHHA.py中提供了一个接口。 该函数名为getHHA（C，D，RD） 。 具体而言，它需要相机矩阵C ，深度图像D和原始深度图像RD 。 RD用于生成掩码以标记缺少的信息，因此，如果您没有原始深度图像，或者只想这样做，则可以使用getHHA（C，D，D） 。 D = cv2 . imread ( os . path . join ( root , '0.png' ), cv2 . COLOR_BGR2GRAY ) / 10000 RD = cv2 . imread ( os . path . join ( root , '0_raw.pn