用单摄像头边缘投影形测量对3D成像进行弱监督的深度估计
1College of Computer Science, Sichuan University, Chengdu 610065, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
本研究介绍了一种弱监督的深度学习方法,用于使用边缘投影谱 (FPP) 快速进行3D成像. 这种新的方法显著提高了边缘图案的效率,用于准确的深度估计.
科学领域:
- 光学和光子学 在光学和光子学.
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 边缘投影造型测量 (FPP) 是高精度3D成像的一个关键技术.
- 增加边缘图案提高了准确性,但降低了测量速度.
- 像双频FPP这样的传统方法由于相位错误而对边缘图案数量有局限性.
研究的目的:
- 开发一种新的,监督较弱的深度学习方法,用于单摄像头FPP的深度估计.
- 与传统的FPP技术相比,提高测量速度和边缘图案效率.
- 为了在3D重建中实现具有竞争力的精度,减少了边缘图案.
主要方法:
- 由无监督单眼深度估计启发的弱监督的深度学习网络被开发出来.
- 该网络经过训练,可以从64周期边缘图像的三个中估计深度.
- 该方法侧重于从有限的边缘数据中高效地估计深度.
主要成果:
- 经过训练的网络成功地从64周期边缘图像的仅三个中估计了深度.
- 拟议的方法表明,与传统的FPP相比,边缘图案效率至少提高了50%.
- 实验结果显示准确度与监督方法相比,性能优于传统的双频FPP.
结论:
- 低监督的深度学习提供了一个有希望的方法来提高FPP的速度和效率.
- 开发的方法可以实现高精度的3D重建,并且显著减少了边缘图案的数量.
- 这一进步有可能扩大FPP在需要快速准确的3D成像的各种领域的应用.
