田间高通量表型机器人上 RGB-D 相机的深度测距性能评估与改进
机器人学
2021-04-28 v2 计算机视觉与模式识别
摘要
RGB-D 相机已成功用于室内高通量表型（HTTP）。然而，由于不稳定光照、镜面反射和漫反射等产生的噪声与干扰，其在田间 HTTP 中的能力与可行性仍需评估。为解决这些问题，我们评估了两种消费级 RGB-D 相机（RealSense D435i 和 Kinect V2）在田间 HTTP 场景下的深度测距性能，并提出了一种补偿深度测量误差的策略。在性能评估中，我们重点确定它们针对不同作物器官的最佳测距区域。基于评估结果，我们提出了一种基于亮度与距离的支撑向量回归策略，以补偿测距误差。此外，我们分析了两种 RGB-D 相机在不同光照强度下的深度填充率。实验结果表明：1）对于 RealSense D435i，其有效测距区域为 [0.160, 1.400] m，田间填充率约为 90%。2）对于 Kinect V2，其在 [0.497, 1.200] m 内具有较高测距精度，但田间填充率低于 24.9%。3）我们的误差补偿模型能有效降低光照强度与目标距离的影响。该模型的最大 MSE 和最小 R2 分别为 0.029 和 0.867。综上，RealSense D435i 在田间 HTTP 上的测距性能优于 Kinect V2。
引用
@article{arxiv.2011.01022,
title = {Depth Ranging Performance Evaluation and Improvement for RGB-D Cameras on Field-Based High-Throughput Phenotyping Robots},
author = {Zhengqiang Fan and Na Sun and Quan Qiu and Chunjiang Zhao},
journal= {arXiv preprint arXiv:2011.01022},
year = {2021}
}
备注
We want to improve the work of this paper before publishing it publicly