三滤波至法向：一种精确且超快的表面法向估计器
计算机视觉与模式识别
2021-04-21 v3 机器人学
摘要
本文提出三滤波至法向（3F2N），一种精确且超快的表面法向估计器（SNE），专为结构化距离传感器数据（如深度/视差图像）而设计。3F2N SNE 通过对逆深度图像或视差图像简单地执行三种滤波操作（分别沿水平和垂直方向的两个图像梯度滤波器，以及一个均值/中值滤波器）来计算表面法向。尽管 3F2N SNE 十分简单，但现有文献中尚无类似方法。为评估我们所提 SNE 的性能，我们使用 24 个 3D 网格模型创建了三个大规模合成数据集（简单、中等和困难），每个模型用于从不同视角生成 1800–2500 对深度图像（分辨率：480×640 像素）及相应的真实表面法向图。3F2N SNE 展现出最先进的性能，优于所有其他现有的基于几何的 SNE，其在简单、中等和困难数据集上的平均角度误差分别为 1.66 度、5.69 度和 15.31 度。此外，我们的 C++ 与 CUDA 实现分别达到了超过 260 Hz 和 21 kHz 的处理速度。我们的数据集与源代码已在 sites.google.com/view/3f2n 公开。
引用
@article{arxiv.2005.08165,
title = {Three-Filters-to-Normal: An Accurate and Ultrafast Surface Normal Estimator},
author = {Rui Fan and Hengli Wang and Bohuan Xue and Huaiyang Huang and Yuan Wang and Ming Liu and Ioannis Pitas},
journal= {arXiv preprint arXiv:2005.08165},
year = {2021}
}
备注
webpage: sites.google.com/view/3f2n, accepted to IEEE RA-L and ICRA'21