RGB和深度数据的数据融合与图像增强
Lennard Wunsch1, Christian Görner Tenorio1, Katharina Anding1
1Group of Quality Assurance and Industrial Image Processing, Faculty of Mechanical Engineering, Technische Universität Ilmenau, 98693 Ilmenau, Germany.
Journal of imaging
|March 27, 2024
概括
这项研究比较了RGB-D图像融合的上采样方法,发现联合双边上采样 (JBU) 优于提高工业应用中的深度数据质量.
科学领域:
- 计算机视觉 计算机视觉
- 传感器数据融合 传感器数据融合
- 图像处理 图像处理
背景情况:
- 精确的深度数据对于工业应用,如缺陷定位和质量估计至关重要.
- 结合RGB和深度 (RGB-D) 图像可以提高对象的理解和数据质量.
- 数据融合技术对于弥补单个传感器的局限性至关重要.
研究的目的:
- 为了比较各种上采样和下采样算法用于RGB-D图像生成.
- 评估不同方法在提高深度信息质量的有效性.
- 在模拟基于传送器的光学分类的条件下评估算法性能.
主要方法:
- 直接插值,联合双边上抽样 (JBU) 和马尔科夫随机场 (MRF) 的比较,用于深度数据上抽样.
- 由于异步数据采集,实现数据赋值和裁剪.
- 使用以下指标进行评估:根平均平方误差 (RMSE),信号与噪声比 (SNR),相关性 (CORR),通用质量指数 (UQI) 和轮偏移.
主要成果:
- 联合双边取样 (JBU) 显示出优于其他测试的取样方法的性能.
- 杰布的平均RMSE为25.22,平均SNR为32.80,平均CORR为0.99,平均UQI为0.97.
- 研究设置模仿了现实世界的基于输送机的分类,在实际环境中验证方法.
结论:
- 在RGB-D图像融合中,JBU对于提高深度数据质量非常有效.
- 这些发现支持在需要精确深度信息的工业应用中使用JBU.
- 数据融合技术,特别是JBU,比传统的深度数据增强方法提供了显著的改进.


