深度模拟成像和深度图像超分辨率重建的方法,用于2D/3D兼容的CMOS图像传感器

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 传感器技术 传感器技术

背景情况:

• 当前的CMOS图像传感器需要先进的方法来准确地感知深度.
• 深度成像参数显著影响捕获的深度信息的质量.
• 超分辨率 (SR) 技术对于提高低分辨率深度图中的细节至关重要.

研究的目的:

• 开发和验证2D/3D兼容CMOS图像传感器的深度模拟成像和深度图像超分辨率 (SR) 方法.
• 建立一个深度感知模型来分析成像参数和评估现实世界的成像效应.
• 提出一个SR重建算法,从低分辨率数据中恢复高分辨率深度图.

主要方法:

• 开发一个深度感知模型来分析成像参数和效应.
• 通过深度错误分析,成像模拟和物理验证来验证模型的有效性.
• 在Middlebury和RGB-D数据集上使用深度模拟图像实现深度SR重建算法.

主要成果:

• 拟议的深度SR方法实现了对深度图的优化恢复效果.
• 在Middlebury数据集上的根平均平方误差 (RMSE) 低至0.0156 m.
• 在RGB-D数据集上的RMSE记录在0.0223m.
• 与传统方法相比,该算法显示RMSE显著减少,超过Middlebury的16%和RGB-D数据集的9%.

结论:

• 开发的深度模拟和SR方法有效地提高了CMOS图像传感器的深度图像分辨率和准确性.
• 拟议的算法比现有的深度SR技术提供了实质性的改进.
• 这项工作为推进消费电子和机器人的深度成像能力提供了宝贵的贡献.