面向数据驱动非视距三维定位与物体识别的自适应光照
图像与视频处理
2019-07-30 v2 计算机视觉与模式识别
摘要
对非视距（NLOS）物体（即相机或光源均不可见的物体）成像是一项具有监视与机器人等关键应用的挑战性任务。近期NLOS重构进展依赖于时间分辨测量，这需要昂贵且专用的探测器与激光源。相比之下，我们提出一种仅需常规相机与投影仪的数据驱动NLOS三维定位与物体识别方法。为推广至具有非平面表面与遮挡的复杂视距（LOS）场景，我们引入一种自适应光照算法。该基于辐射度（radiosity）的算法识别并照亮LOS中对NLOS光路贡献最大的场景块，并可考虑系统功率约束。我们在硬件原型实测数据上实现了四类物体平均87.1%的识别率，以及在遮挡区域对NLOS物体质心平均定位均方误差（MSE）为1.97 cm。这些结果展示了将光传输物理与主动光照相结合用于数据驱动NLOS成像的优势。
引用
@article{arxiv.1905.11595,
title = {Adaptive Lighting for Data-Driven Non-Line-of-Sight 3D Localization and Object Identification},
author = {Sreenithy Chandran and Suren Jayasuriya},
journal= {arXiv preprint arXiv:1905.11595},
year = {2019}
}