比亞迪電池焊后3D+AI視覺(jué)檢測

隨著(zhù)3D相機在工業(yè)AI的普及，深度學(xué)習對3D點(diǎn)云和深度圖的分析方法也越來(lái)越多樣化。在3D計算機圖形中，Depth Map（深度圖）是包含與視點(diǎn)的場(chǎng)景對象的表面的距離有關(guān)的信息的圖像或圖像通道。其中，Depth Map 類(lèi)似于灰度圖像，只是它的每個(gè)像素值是傳感器距離物體的實(shí)際距離。通常RGB圖像和Depth圖像是配準的，因而像素點(diǎn)之間具有一對一的對應關(guān)系，合成的四通道的圖像稱(chēng)為RGB-D圖像。如下圖：

在業(yè)內，不少工作已經(jīng)將CNN引入在RGB-D圖像上的視覺(jué)任務(wù)上，這些工作中一部分直接采用4-channel的圖像來(lái)進(jìn)行語(yǔ)義分割。我們可以將3D點(diǎn)云做正射糾正，生成對應的深度圖。再將2D圖像做同樣的仿射糾正，合成RGB-D圖像。我們可以壓縮數據量，將RGB圖像換成灰度圖，實(shí)際數據的通道數就只有兩個(gè)。在本項目的深度學(xué)習模型中，需要輸入是3通道，就要附加上全為0置的通道，而在Deep Learning的模型上增加通道注意力機制，能減少第三通道的計算。兩通道的圖片，在標注工具里，只有一個(gè)通道可見(jiàn)，而三通道圖片帶來(lái)額外的好處，在標注工具里是彩色的。