基于耦合光学微分的深度感知
计算机视觉与模式识别
2024-09-18 v1 图像与视频处理
摘要
我们提出了一种基于耦合光学微分的深度感知机制，这是一种低计算量的被动照明三维感知机制。其基于我们的发现：使用简单的闭式关系，可以通过散焦图像的一对耦合光学导数严格确定每个像素的物体距离。以往利用图像空间导数估计场景深度的离焦深度感知方法不同，该机制仅使用光学导数，使其对噪声具有更强的鲁棒性。此外，与许多以往对光圈编码有要求的 DfD 算法不同，该关系被证明对广泛的光圈编码具有普适性。我们构建了首个基于耦合光学微分深度的三维传感器。其光学组件包括一个可变形透镜和一个电动光圈，能够动态调整光焦度和光圈半径。该传感器捕获两对图像：一对具有光焦度的微分变化，另一对具有光圈尺度的微分变化。从这四张图像中，可以生成深度图和置信度图，且每个输出像素仅需 36 次浮点运算，据我们所知，这比以往最低计算量的被动照明深度感知解决方案低了十倍以上。此外，该传感器生成的深度图展示了以往 DfD 方法两倍以上的工作范围，同时显著降低了计算量。
引用
@article{arxiv.2409.10725,
title = {Depth from Coupled Optical Differentiation},
author = {Junjie Luo and Yuxuan Liu and Emma Alexander and Qi Guo},
journal= {arXiv preprint arXiv:2409.10725},
year = {2024}
}