学习飞行时间相机中多径偏差的校正
计算机视觉与模式识别
2016-01-13 v2
摘要
飞行时间(ToF)相机中的多径效应仍是阻碍 3D 数据信息进一步处理的挑战性问题。基于先前文献证据，我们探索了使用机器学习技术校正此效应的可能性。首先，我们创建了通过 LuxRender 的 ToF 模拟器渲染的两个新 ToF 图像数据集。这两个数据集包含多种朝向及不同材质属性的角落。我们选择含角落的场景，因为多径效应在角落最显著。其次，我们用此数据集构建学习模型，使用随机森林预测 ToF 数据的实值校正。我们发现，在较小数据集中，我们能够预测实值校正，并通过消除多径偏差显著提升深度图像质量。我们的算法将相对逐像素误差从平均值 19% 降低到 3%。此外，误差方差降低了一个数量级。
引用
@article{arxiv.1512.04077,
title = {Learning the Correction for Multi-Path Deviations in Time-of-Flight Cameras},
author = {Mojmir Mutny and Rahul Nair and Jens-Malte Gottfried},
journal= {arXiv preprint arXiv:1512.04077},
year = {2016}
}