伍俊龙 1,2,3郭正华 1,2,3陈先锋 1,2,3马帅 1,2,3[ ... ]杨平 1,3,*
1 中国科学院自适应光学重点实验室, 四川 成都 610209
2 中国科学院光电技术研究所, 四川 成都 610209
3 中国科学院大学, 北京 100049
为了解决光场相机应用于三维测量时,在弱纹理区域和精细结构区域难以获得准确视差估计结果问题,提出了基于深度学习技术对光场深度估计进行建模,并建立了光场视差与真实深度之间的转换关系。将所提方法应用于多种复杂场景中,实验结果均表明:该方法可以准确获取弱纹理区域和精细结构区域的视差信息,较好地复原场景的三维结构,视差估计处理时间压缩到1s量级,相比传统的基于代价优化的方法,降低了1~2个数量级。
测量 三维测量 光场成像 深度估计 深度学习 中国激光
2020, 47(12): 1204005
陈先锋 1,2,3郭正华 1,2,3伍俊龙 1,2,3马帅 1,2,3[ ... ]许冰 1,2,*
1 中国科学院光电技术研究所自适应光学重点实验室, 四川 成都 610209
2 中国科学院光电技术研究所, 四川 成都 610209
3 中国科学院大学, 北京 100049
提出了一种基于区域先验信息的去遮挡立体匹配算法。该方法采用边缘检测和区域生长对参考图像进行区域分割,将分割后的同质区域作为区域先验信息引入代价计算中,减弱了代价函数对遮挡区域的敏感度,并使用区域一致性检测修正遮挡和误匹配像素,从而获得精确视差图。所提算法是一种加性算法,在不显著增加计算量的同时,可有效提升算法对遮挡区域的匹配效果。使用Middlebury数据集进行测试,测试结果表明,所提算法能够有效降低遮挡区域的误匹配率。
图像处理 遮挡 立体匹配 边缘检测 区域分割 激光与光电子学进展
2019, 56(19): 191001
