Skip to content

深度图

读取 16 位 PNG、TIFF、NPY、PFM 与 EXR 深度数据，支持百分位窗口化、色彩映射、光标处的米制读数，以及反投影进三维查看器。

Potato 能把深度图渲染得可读，在光标处以米为单位报告距离，并且在给定相机内参的情况下，把深度图变成可供你放置三维框的点云。 深度是单目估计器、双目装置与 RGB-D 传感器交付三维信息的方式，也是多数机器人数据集随视频一并提供的格式。

可运行示例：examples/spatial/depth-eval/。

深度与图像不同的三点

把深度图当作图像打开，看到的是一块黑色矩形。就算不是，你看到的也只是一堆颜色，而不知道其中任何一种代表多远。

文件本身并不知道自己的单位。 RealSense、Azure Kinect 与 NYU-Depth 用毫米；KITTI 补全基准用 1/256 米；任何由浮点数组写出的文件用米。depth_scale 表示每个存储单位对应多少米，默认值为 0.001。填错是无声的，因为窗口会重新缩放，画面看起来毫无二致——这正是米制读数存在的理由。

零不是一个距离。 它几乎是通用的"无返回"编码。若按深度来读，它会在传感器覆盖范围内的每一个空洞处画出一堵明亮的墙。Potato 把非测量值记作 NaN，并涂成品红色，这是所有色彩映射中都不存在的颜色，因此空洞不会被误认成近处或远处的深度。信息栏会报告深度图中有多少比例是空洞。一台面对无纹理墙面的双目装置确实会返回 80% 的空洞，而看不到这一点的标注者会把它们当成几何结构来读。

有意义的量程几乎从来不是完整量程。 近/远窗口默认取有效像素的第 2 与第 98 百分位。

配置

yaml
instance_display:
  fields:
    - key: depth
      type: depth_map
      label: "Depth"

支持的格式：16 位 PNG、16 位 TIFF、NPY 与 NPZ、PFM，以及 EXR。

窗口化是可度量的，不是装饰性的

百分位窗口才是实质所在，其效果可以用数字说明。一份内容位于 1200 到 1800 之间的 16 位扫描件，在朴素的 8 位转换下渲染出 255 级灰阶中的 4 级区分度，而在百分位窗口下有 254 级。这同样适用于一般的科研用 TIFF。参见媒体导入。

反投影

在给定内参的情况下，深度图会被反投影进点云所使用的同一个三维查看器，因此同样的立方体工具在它上面也可用。这正是 RGB-D 数据集无需单独转换步骤即可在三维中标注的原因。

相关内容