面向水下主动立体系统的多尺度CNN立体匹配与图案去除技术
计算机视觉与模式识别
2018-08-28 v1
摘要
对水下环境动态场景捕获的需求正在快速增长。被动立体视觉适用于捕获动态场景，然而该技术无法恢复无纹理表面或不规则反射物体的形状。在我们的系统中，我们为立体相机对添加了一个图案投影仪，从而在物体上增强人工纹理。为了在水下环境中使用该系统，需补偿若干为题，即折射、波动与气泡的干扰。此外，由于物体表面受到气泡、投影图案等的干扰，应从捕获图像中去除这些噪声与图案以恢复原始纹理。为解决这些问题，我们提出了三种方法：深度相关标定、卷积神经网络(CNN)立体方法以及基于CNN的纹理恢复方法。深度相关标定是我们通过分析寻找可由中心投影近似的可接受深度范围，以确定标定的特定目标深度。在CNN立体匹配方面，不同于未考虑折射或气泡等强干扰的常见基于CNN的立体方法，我们设计了一种利用多尺度信息进行立体匹配的 novel CNN 架构，旨在对此类干扰具有鲁棒性。最后，我们提出了一种基于CNN的多尺度气泡与投影图案去除方法以恢复原始纹理。实验结果证明了我们的方法相较于最先进技术的有效性。此外，通过对活体游动鱼的重建证实了我们所提技术的可行性。
引用
@article{arxiv.1808.08348,
title = {Multi-scale CNN stereo and pattern removal technique for underwater active stereo system},
author = {Kazuto Ichimaru and Ryo Furukawa and Hiroshi Kawasaki},
journal= {arXiv preprint arXiv:1808.08348},
year = {2018}
}
备注
International Conference on 3D Vision 2018