博士后-传统CV方向创新研究

1、三维多视点云数据拼接方法研究
1）研究方向描述： 本研究旨在探索和开发创新的算法，用于处理和拼接来自多个视点的三维点云数据。研究将集中于提高拼接过程的自动化水平、精确度和效率，以生成无缝、高精度的三维模型。
2）关键研究问题：
如何在多视点数据中有效地识别和对应共同特征？
如何处理由于视角变化引起的光照和阴影差异？
如何优化拼接算法以减少累积误差并提高拼接质量？
3）研究方法：
利用几何和摄影测量学原理来分析和校正视点差异。
应用机器学习和深度学习技术，如卷积神经网络，进行特征提取和数据融合。
4）预期成果： 开发一套鲁棒的三维数据拼接框架，能够广泛应用于视觉检测、自动驾驶、机器人导航、虚拟现实和增强现实等领域。
2、基于面结构光的高反射物体3D重建方法
1）研究方向描述： 本研究方向专注于开发一种新型的3D重建技术，专门针对具有高反射特性的物体。该技术将基于面结构光扫描原理，以克服传统方法在处理此类物体时的局限。
2）关键研究问题：
如何设计能够有效捕捉高反射物体表面细节的面结构光模式？
如何处理和补偿由于高反射引起的光照干扰和噪声？
如何从采集到的光强度图中准确恢复物体的三维形状？
3）研究方法：
结合光学系统设计和图像处理技术，开发专用的面结构光扫描装置。
利用机器视觉和模式识别算法，对采集到的光强度图进行分析和处理。
4）预期成果： 实现一种高精度的3D重建技术，特别适用于金属、玻璃等高反射材料的物体，推动工业检测、文物保护和医疗成像等领域的发展。