相关实验视频
Updated: Jun 8, 2025

14:25
Determining 3D Flow Fields via Multi-camera Light Field Imaging
Published on: March 6, 2013
16.6K
神经辐射场用于鱼眼驾驶场景,使用边缘感知集成深度监控
1Division of Electronics and Information Engineering, Jeonbuk National University, Jeonju 54896, Republic of Korea.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
这项研究引入了神经辐射场 (NeRF) 的边缘感知损失函数,以从鱼眼相机图像中生成现实的驾驶场景视图. 该方法有效地处理扭曲,并通过使用LiDAR和深度数据改进新型视图合成.
科学领域:
- 计算机视觉 计算机视觉
- 计算机图形 计算机图形
- 机器人技术 机器人技术 机器人技术
背景情况:
- 神经辐射场 (NeRF) 在新的视图合成方面表现出色,但受到针孔相机假设的限制.
- 驾驶场景由于鱼眼相机的广视场和图像扭曲而带来了独特的挑战.
研究的目的:
- 为了适应NeRF以捕捉鱼眼相机的驾驶场景.
- 开发一种有效的方法,从扭曲的广角图像中合成光现实的新视图.
主要方法:
- 为NeRF.RF提出了一个边缘感知集成损失函数.
- 利用稀疏的LiDAR预测和基于学习的密集深度地图.
- 将更大的权重分配给与传感器数据相似的深度值的点.
主要成果:
- 在KITTI-360和JBNU-Depth360数据集上表现出有效性.
- 与现有方法相比,在新视图合成中取得了更高的性能.
- 从鱼眼驾驶数据中成功合成了光现实的图像.
结论:
- 提出的边缘意识NeRF方法克服了传统方法对鱼眼摄像头数据的局限性.
- 这种技术在复杂的驾驶环境中显著增强了新视图的合成.
- 该方法显示出在自动驾驶和场景重建方面的应用潜力很大.

