D2NT：一种高性能的深度图到法线图转换器
计算机视觉与模式识别
2023-04-25 v1 机器人学
摘要
表面法线在视觉环境感知中具有重要意义，可作为丰富几何信息的来源。然而，当前最先进（SoTA）的表面法线估计器（SNEs）普遍面临效率与精度之间不尽如人意的权衡。为解决这一困境，本文首先提出一种超快速的深度到法线转换器（D2NT），它无需计算三维坐标即可直接将深度图像转换为表面法线图。我们随后提出一种不连续感知梯度（DAG）滤波器，其自适应地生成梯度卷积核以改进深度梯度估计。最后，我们提出一个表面法线细化模块，可轻松集成到任意深度到法线的SNEs中，大幅提升表面法线估计精度。我们提出的算法在所有现有实时SNEs中展现出最佳精度，并实现了效率与精度上的SoTA权衡。
引用
@article{arxiv.2304.12031,
title = {D2NT: A High-Performing Depth-to-Normal Translator},
author = {Yi Feng and Bohuan Xue and Ming Liu and Qijun Chen and Rui Fan},
journal= {arXiv preprint arXiv:2304.12031},
year = {2023}
}
备注
Accepted to ICRA 2023. The source code, demo video, and supplement are publicly available at mias.group/D2NT