Моделирование наборов данных компьютерного зрения

Question

Я изучаю использование нескольких камер для приложений компьютерного зрения. Например. есть камера в каждом углу комнаты, и задача - отслеживание людей. Я хотел бы имитировать такую ​​среду. Что мне нужно:

• Возможность определения динамической 3D-среды, например. комнату и движущийся объект.
• Опции для размещения камер в разных положениях и получения смоделированных данных для каждой камеры.

У кого-нибудь есть опыт? Я проверил блендер (http://www.blender.org), но в настоящее время я ищу более быстрое/простое в использовании решение.

Не могли бы вы дать мне руководство к аналогичному программному обеспечению/библиотекам (желательно C++ или MATLAB).

Answer 1

вы можете найти ILNumerics идеально соответствует вашим потребностям:

http://ilnumerics.net

Answer 2

Если я правильно! вы хотите имитировать подачу фотокамеры от нескольких камер в разных положениях среды.
Я не знаю ни одного сайта или рабочего готового решения, но вот как я буду продолжать:
Закупите 3D-облака динамической среды (см. Kinect 3d slam benchmark datasets) или создайте свой собственный с Kinect (надеясь, что у вас есть Xbox kinect с вами).

Как только вы получите облако точек кинэпа в формате облака точек PCL, вы можете имитировать видеопоток с различных камер.
псевдокод, например, как это будет достаточно:

#include <pcl_headers> 

//this method just discards all 3d depth information and fills the pixels with rgb values 
//this is like a snapshot in the pcd_viewer of pcl(point cloud library) 
makeImage(cloud,image){}; 

pcd <- read the point clouds 
camera_positions[] <- {new CameraPosition(affine transform)...} 

for(camera_position in camera_positions) 
    pcl::transformPointCloud(pcd, 
          cloud_out, 
          camera_position.getAffineTransform() 
          ); 
//Now cloud_out contains point cloud in different viewpoint 
    image <- new Image(); 
    make_image(cloud_out,image); 
    saveImage(image); 

ПКЛ обеспечивает функцию преобразования облака точек даны соответствующие параметры pcl::trasformPointCloud()
Если вы не хотите использовать PCL, то вы можете проверить this post, а затем следуют с остальными шагами.