为了满足现实生活中对物体体积实时测量的需求，提出了一套基于Kinect 2.0深度图像处理的快速体积测量方案。首先，使用Kinect 2.0 深度传感器获得深度图像及对应的点云数据矩阵，并对深度图像进行增强、二值化、目标提取等预处理，定位出目标物体。然后，通过像素点的统计和点云数据的处理得到目标物体的面积、高度。最后由面积和高度完成目标物体的体积计算。经验证这种方法的体积测量误差控制在3%以内，完全满足实时性的误差要求，又由于深度图像较彩色图像不易受光线、背景的干扰，使得该方法具有很强的鲁棒性。

3D正当失真（JND）阈值本质上取决于人类 视觉灵敏度（HVS）。 本文提出了一种基于3D视频的深度图像渲染（DIBR）框架的混合正畸形（HJND）模型，以测量JND阈值。 HJND模型将2D和3D视觉感知，深度显着性和几何变形之间的关键差异组合到了HJND模型中，因为它们对HVS具有重大影响。 为了节省比特，将HJND模型引入到多视图视频加深度（MVD）编码框架中作为残差滤波器。 在通过HJND和参考模型称为联合正当失真（JJND）过滤残差之后，位节省分别达到了28.79％和23.53％，并且通过HJND和JJND过滤的3D受损视频具有相似的主观质量。 实验表明，HJND比最先进的方法更准确地描述3D视频的HVS。

报道一种大型薄壳物体的智能光学三维测量以及自动在线检测方法，利用三节点光学测量传感器网络实现了大型薄壳物体内外表面数据的三维重建、特征尺寸获取及计算机辅助设计（CAD）模型的比对。提出一种有效的三维多节点传感器测量网络的系统标定方法，可同时完成整体测量系统在大尺度测量空间的现场标定以及各个三维节点测量传感器的标定。提出一种采用多传感器标定信息与最近点迭代方法（ICP）相结合的多视点深度测量数据的匹配方法。在此基础上，利用ICP将测量的三维模型数据与CAD模型数据相匹配，并获取误差分布图。理论分析和实验证明了所提出的测量方法的有效性。

同时采集Kinect的深度图像和彩色图像，并且可实时将同一时刻采集的两种图像保存到相应目录。 同时采集Kinect的深度图像和彩色图像，并且可实时将同一时刻采集的两种图像保存到相应目录。

手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。引入初始化水平集函数，解决聚类方法导致的手势区域像元缺失问题。利用基于深度信息的梯度方向直方图(HOG) 特征对手势进行分类识别。通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。

近年来，从社交媒体平台、医学图像和机器人等各个领域产生和分享了大量的视觉内容。大量的内容创造和分享带来了新的挑战。特别是，对相似内容的数据库进行搜索，即基于内容的图像检索(CBIR)，是一个长期存在的研究领域，需要更有效和准确的方法来实现实时检索。人工智能在CBIR方面取得了很大进展，极大地促进了智能搜索的进程。

用于学习交流可以让我一起更好的学习Kinect，更好的做学问

经矫正的双目图像，使用区块划分后进行匹配，提取深度信息，并绘制深度图像

同时采集Kinect的深度图像和彩色图像，并且可实时将同一时刻采集的两种图像保存到相应目录。

提出了一种能够将点云数据与对应图像进行三维图像 重建的算