面向主动立体相机与高反射物体的次优视角预测
计算机视觉与模式识别
2022-03-01 v1 机器人学
摘要
利用主动立体相机获取高反射物体的深度是一项具有挑战性的任务。在装置允许时，多视角融合可提供更高水平的深度补全。然而，由于高端主动立体相机采集速度慢，为单一场景收集大量视角通常不切实际。本文提出一种次优视角框架，以策略性选择相机视角来完成反射物体上的深度数据。特别地，我们基于Phong反射模型与光度响应函数显式建模反射表面的镜面反射。给定物体CAD模型与灰度图像，我们采用基于RGB的位姿估计器从现有数据获得当前位姿预测，用于形成预测表面法线与深度假设，从而让我们能评估任意候选视角下后续帧的信息增益。利用此公式，我们实现了一个主动感知流水线，并在具有挑战性的真实世界数据集上评估。评估结果表明，我们的主动深度获取方法在深度补全与物体位姿估计性能上均优于两个强基线。
引用
@article{arxiv.2202.13263,
title = {Next-Best-View Prediction for Active Stereo Cameras and Highly Reflective Objects},
author = {Jun Yang and Steven L. Waslander},
journal= {arXiv preprint arXiv:2202.13263},
year = {2022}
}