去雾Kinect：雾天场景中目标区域与深度的同时估计
计算机视觉与模式识别
2019-04-02 v1
摘要
从二维（2D）图像进行三维（3D）重建与场景深度估计是计算机视觉中的主要任务。然而，在浑浊水体、雾或烟等参与介质中使用常规3D重建技术颇具挑战。我们开发了一种利用飞行时间（ToF）相机在参与介质中同时估计目标区域与深度的方法。散射分量已饱和，故其不依赖于场景深度，且由于参与介质中的光衰减，从远处点反弹的接收信号可忽略不计，因此此类点的观测仅含散射分量。这些现象使我们能够从仅含散射分量的背景中估计目标区域内的散射分量。该问题被表述为将目标区域视为离群点的鲁棒估计，并基于迭代重加权最小二乘（IRLS）优化方案实现目标区域与深度的同时估计。我们利用Kinect v2在真实雾天场景中所采集的图像证明了所提方法的有效性，并通过合成数据评估了其适用性。
引用
@article{arxiv.1904.00558,
title = {Defogging Kinect: Simultaneous Estimation of Object Region and Depth in Foggy Scenes},
author = {Yuki Fujimura and Motoharu Sonogashira and Masaaki Iiyama},
journal= {arXiv preprint arXiv:1904.00558},
year = {2019}
}
备注
16 pages