基于块结构感知矩阵的压缩飞行时间三维成像
数值分析
2018-12-27 v3 信息论
math.IT
摘要
空间与时间高分辨的深度信息支撑了众多应用,包括游戏中的人机交互或汽车工业中的安全功能。本文中,我们使用飞行时间(ToF)3D 相机来解决此问题,这类紧凑设备可提供高分辨深度信息。实际限制常要求减少需读出和传输的数据量。使用标准 ToF 相机时,这只能通过降低空间或时间分辨率实现。为克服此种局限,我们提出了一种使用块结构感知矩阵的压缩 ToF 相机设计,可在保持高空间与时间分辨率的同时减少数据量。我们提出基于 l^1 最小化和 TV 正则化的高效重建算法。这些重建方法被应用于真实 ToF 相机系统所采集的数据,并从重建质量与计算量方面进行评估。对于 l^1 最小化和 TV 正则化,我们都采用了局部与全局两种重建策略。在所有考量实例中,全局 TV 正则化在包括 PSNR 在内的评估指标上明显表现最佳。
引用
@article{arxiv.1710.10444,
title = {Compressive Time-of-Flight 3D Imaging Using Block-Structured Sensing Matrices},
author = {Stephan Antholzer and Christoph Wolf and Michael Sandbichler and Markus Dielacher and Markus Haltmeier},
journal= {arXiv preprint arXiv:1710.10444},
year = {2018}
}
备注
According to a suggestion, we changed the old title "A Framework for Compressive Time-of-Flight 3D Sensing" to "Compressive Time-of-Flight 3D Imaging Using Block-Structured Sensing Matrices"