基于深度相机的特殊表面定位与修复

费点; 陈建林; 刘东生; 张之江

doi:doi:10.3788/AOS202040.2115002

光学学报, 2020, 40 (21): 2115002, 网络出版: 2020-10-25

基于深度相机的特殊表面定位与修复下载： 1070次

Depth Camera-Based Location and Restoration of Special Surface

费点陈建林刘东生张之江 ^*

作者单位

上海大学特种光纤与光接入网重点实验室, 上海 200444

图 & 表

图 1. 系统示意图

Fig. 1. Diagram of system

下载图片查看原文

图 2. 深度图预处理。(a)原深度图;(b)阴影噪声区;(c)分割ROI;(d)置信度掩模

Fig. 2. Depth image preprocessing. (a) Raw depth image; (b) shadow noise area; (c) ROI segmentation; (d) reliability mask

下载图片查看原文

图 3. 深度直方图

Fig. 3. Depth histogram

下载图片查看原文

图 4. 深度边缘权值设置。(a) σ₀邻域范围;(b) ω_m函数曲线

Fig. 4. Weight setting near depth edge. (a) σ₀ neighborhood range; (b) ω_m function curve

下载图片查看原文

图 5. TSDF变化量η_TS。(a)彩色图;(b)~(d) η_TS<γ_l ${\bar{η}}_{TS}$ ,低通滤波器参数γ_l分别取0.6,0.7,0.8; (e)~(h) η_TS>γ_h
Fig. 5. TSDF variation η_TS. (a) Color image; (b)-(d) η_TS<γ_l ${\bar{η}}_{TS}$ , low pass filter parameter γ_l=0.6, 0.7, 0.8; (e)-(h) η_TS>γ_h

下载图片查看原文

图 6. 参考帧FIFO队列

Fig. 6. Reference frame FIFO queue

下载图片查看原文

图 7. 模型修复实验。(a)修复前模型;(b)修复后模型;(c)实验环境与设置;(d)特殊物体;(e)修复前模型细节;(f)修复后模型细节

Fig. 7. Model reparation experiment. (a) Model before reparation; (b) model after reparation; (c) experimental environment and setting; (d) peculiar object; (e) model detail before reparation; (f) model detail after reparation

下载图片查看原文

图 8. 不同位姿结果对应的模型。(a)实验设置;(b) KinectFusion;(c) SDF-tracker;(d)所提方法

Fig. 8. Models corresponding to different pose results. (a) Experimental setting; (b) KinectFusion; (c) SDF-tracker; (d) proposed method

下载图片查看原文

图 9. 重建结果对比1。(a)实验环境与设置;(b)相机位姿;(c)算法Ⅰ结果;(d)所提方法结果

Fig. 9. Comparison of reconstruction results 1. (a) Experimental environment and setting; (b)camera pose; (c) result obtained by algorithm Ⅰ; (d) result obtained by proposed method

下载图片查看原文

图 10. 重建结果对比2。(a)实验环境与设置;(b)相机位姿;(c)(d)算法Ⅰ结果;(e)(f)所提方法结果

Fig. 10. Comparison of reconstruction results 2. (a) Experimental environment and setting; (b)camera pose; (c)(d) result obtained by algorithm Ⅰ; (e)(f) result obtained by proposed method

下载图片查看原文

表 1实验Ⅰ中位姿追踪误差分析

Table1. Error analysis of pose tracking in experiment Ⅰmm

Method	Average pose errorafter 100 frames	Average pose errorafter 300 frames	Average pose errorafter 600 frames
KinectFusion	32.8	38.2	62.6
SDF-tracker	26.1	27.5	33.8
Proposed method	25.7	27.0	29.7

查看原文

表 2实验Ⅱ中位姿追踪误差分析

Table2. Error analysis of pose tracking in experiment Ⅱmm

Method	Average pose errorafter 100 frames	Average pose errorafter 300 frames	Average pose errorafter 600 frames
KinectFusion	51.0	100.2	811.2
SDF-tracker	28.9	33.4	38.8
Proposed method	30.5	33.2	33.7

查看原文

费点, 陈建林, 刘东生, 张之江. 基于深度相机的特殊表面定位与修复[J]. 光学学报, 2020, 40(21): 2115002. Dian Fei, Jianlin Chen, Dongsheng Liu, Zhijiang Zhang. Depth Camera-Based Location and Restoration of Special Surface[J]. Acta Optica Sinica, 2020, 40(21): 2115002.

基于深度相机的特殊表面定位与修复下载： 1070次

图 1. 系统示意图

Fig. 1. Diagram of system

图 2. 深度图预处理。(a)原深度图;(b)阴影噪声区;(c)分割ROI;(d)置信度掩模

Fig. 2. Depth image preprocessing. (a) Raw depth image; (b) shadow noise area; (c) ROI segmentation; (d) reliability mask

图 3. 深度直方图

Fig. 3. Depth histogram

图 4. 深度边缘权值设置。(a) σ₀邻域范围;(b) ω_m函数曲线

Fig. 4. Weight setting near depth edge. (a) σ₀ neighborhood range; (b) ω_m function curve

图 5. TSDF变化量η_TS。(a)彩色图;(b)~(d) η_TS<γ_l ${\bar{η}}_{TS}$ ,低通滤波器参数γ_l分别取0.6,0.7,0.8; (e)~(h) η_TS>γ_h
Fig. 5. TSDF variation η_TS. (a) Color image; (b)-(d) η_TS<γ_l ${\bar{η}}_{TS}$ , low pass filter parameter γ_l=0.6, 0.7, 0.8; (e)-(h) η_TS>γ_h

Fig. 5. TSDF variation η_TS. (a) Color image; (b)-(d) η_TS<γ_l ${\bar{η}}_{TS}$ , low pass filter parameter γ_l=0.6, 0.7, 0.8; (e)-(h) η_TS>γ_h

图 6. 参考帧FIFO队列

Fig. 6. Reference frame FIFO queue

图 7. 模型修复实验。(a)修复前模型;(b)修复后模型;(c)实验环境与设置;(d)特殊物体;(e)修复前模型细节;(f)修复后模型细节

Fig. 7. Model reparation experiment. (a) Model before reparation; (b) model after reparation; (c) experimental environment and setting; (d) peculiar object; (e) model detail before reparation; (f) model detail after reparation

图 8. 不同位姿结果对应的模型。(a)实验设置;(b) KinectFusion;(c) SDF-tracker;(d)所提方法

Fig. 8. Models corresponding to different pose results. (a) Experimental setting; (b) KinectFusion; (c) SDF-tracker; (d) proposed method

图 9. 重建结果对比1。(a)实验环境与设置;(b)相机位姿;(c)算法Ⅰ结果;(d)所提方法结果

Fig. 9. Comparison of reconstruction results 1. (a) Experimental environment and setting; (b)camera pose; (c) result obtained by algorithm Ⅰ; (d) result obtained by proposed method

图 10. 重建结果对比2。(a)实验环境与设置;(b)相机位姿;(c)(d)算法Ⅰ结果;(e)(f)所提方法结果

Fig. 10. Comparison of reconstruction results 2. (a) Experimental environment and setting; (b)camera pose; (c)(d) result obtained by algorithm Ⅰ; (e)(f) result obtained by proposed method

表 1实验Ⅰ中位姿追踪误差分析

Table1. Error analysis of pose tracking in experiment Ⅰmm

表 2实验Ⅱ中位姿追踪误差分析

Table2. Error analysis of pose tracking in experiment Ⅱmm

关于本站 Cookie 的使用提示

全站搜索

基于深度相机的特殊表面定位与修复 下载： 1070次

图 1. 系统示意图

Fig. 1. Diagram of system

图 2. 深度图预处理。(a)原深度图;(b)阴影噪声区;(c)分割ROI;(d)置信度掩模

Fig. 2. Depth image preprocessing. (a) Raw depth image; (b) shadow noise area; (c) ROI segmentation; (d) reliability mask

图 3. 深度直方图

Fig. 3. Depth histogram

图 4. 深度边缘权值设置。(a) σ0邻域范围;(b) ωm函数曲线

Fig. 4. Weight setting near depth edge. (a) σ0 neighborhood range; (b) ωm function curve

图 5. TSDF变化量ηTS。(a)彩色图;(b)~(d) ηTS<γlη-TS,低通滤波器参数γl分别取0.6,0.7,0.8; (e)~(h) ηTS>γhFig. 5. TSDF variation ηTS. (a) Color image; (b)-(d) ηTS<γlη-TS, low pass filter parameter γl=0.6, 0.7, 0.8; (e)-(h) ηTS>γh

Fig. 5. TSDF variation ηTS. (a) Color image; (b)-(d) ηTS<γlη-TS, low pass filter parameter γl=0.6, 0.7, 0.8; (e)-(h) ηTS>γh

图 6. 参考帧FIFO队列

Fig. 6. Reference frame FIFO queue

图 7. 模型修复实验。(a)修复前模型;(b)修复后模型;(c)实验环境与设置;(d)特殊物体;(e)修复前模型细节;(f)修复后模型细节

Fig. 7. Model reparation experiment. (a) Model before reparation; (b) model after reparation; (c) experimental environment and setting; (d) peculiar object; (e) model detail before reparation; (f) model detail after reparation

图 8. 不同位姿结果对应的模型。(a)实验设置;(b) KinectFusion;(c) SDF-tracker;(d)所提方法

Fig. 8. Models corresponding to different pose results. (a) Experimental setting; (b) KinectFusion; (c) SDF-tracker; (d) proposed method

图 9. 重建结果对比1。(a)实验环境与设置;(b)相机位姿;(c)算法Ⅰ结果;(d)所提方法结果

Fig. 9. Comparison of reconstruction results 1. (a) Experimental environment and setting; (b)camera pose; (c) result obtained by algorithm Ⅰ; (d) result obtained by proposed method

图 10. 重建结果对比2。(a)实验环境与设置;(b)相机位姿;(c)(d)算法Ⅰ结果;(e)(f)所提方法结果

Fig. 10. Comparison of reconstruction results 2. (a) Experimental environment and setting; (b)camera pose; (c)(d) result obtained by algorithm Ⅰ; (e)(f) result obtained by proposed method

表 1实验Ⅰ中位姿追踪误差分析

Table1. Error analysis of pose tracking in experiment Ⅰmm

表 2实验Ⅱ中位姿追踪误差分析

Table2. Error analysis of pose tracking in experiment Ⅱmm

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于深度相机的特殊表面定位与修复下载： 1070次

图 4. 深度边缘权值设置。(a) σ₀邻域范围;(b) ω_m函数曲线

Fig. 4. Weight setting near depth edge. (a) σ₀ neighborhood range; (b) ω_m function curve

图 5. TSDF变化量η_TS。(a)彩色图;(b)~(d) η_TS<γ_l ${\bar{η}}_{TS}$ ,低通滤波器参数γ_l分别取0.6,0.7,0.8; (e)~(h) η_TS>γ_h
Fig. 5. TSDF variation η_TS. (a) Color image; (b)-(d) η_TS<γ_l ${\bar{η}}_{TS}$ , low pass filter parameter γ_l=0.6, 0.7, 0.8; (e)-(h) η_TS>γ_h

Fig. 5. TSDF variation η_TS. (a) Color image; (b)-(d) η_TS<γ_l ${\bar{η}}_{TS}$ , low pass filter parameter γ_l=0.6, 0.7, 0.8; (e)-(h) η_TS>γ_h