面向飞行时间成像的刚体低功耗深度估计
图像与视频处理
2019-03-27 v2
摘要
深度感知在从增强现实到机器人等多种应用中都很有用。飞行时间（TOF）相机因其能以最小延迟获得稠密深度测量而颇具吸引力。然而，对于许多电池供电设备，TOF 相机的照明源耗电严重，会限制设备电池寿命。为解决此问题，我们提出一种算法，通过减少 TOF 相机的使用并利用同步采集的图像估计深度图，从而降低深度感知功耗。我们的技术还自适应控制 TOF 相机，并在无法估计准确深度图时启用它。为确保深度感知的整体系统功耗降低，我们将算法设计运行于低功耗嵌入式平台，以每秒 30 帧输出 640x480 深度图。我们在多个 RGB-D 数据集上评估了该方法，其生成的深度图总体平均相对误差为 0.96%，并将 TOF 相机使用率降低 85%。当用于商用 TOF 相机时，我们估计该算法可使深度感知总功耗降低多达 73%。
引用
@article{arxiv.1810.01930,
title = {Low Power Depth Estimation of Rigid Objects for Time-of-Flight Imaging},
author = {James Noraky and Vivienne Sze},
journal= {arXiv preprint arXiv:1810.01930},
year = {2019}
}