通过RGB-D传感器噪声建模改进3D重建

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 三维重建的3D重建

背景情况:

• 高分辨率的RGB-D传感器对于计算机视觉,制造和机器人技术至关重要.
• 这些传感器的深度图有固有的测量不确定性 (噪声),降低了3D重建质量.
• 这种噪音限制了当前传感器适用于高精度应用的适用性.

研究的目的:

• 在高分辨率RGB-D传感器中量化深度图的不确定性.
• 开发一个噪声模型,以提高3D重建的准确性.
• 分析影响深度地图质量的因素.

主要方法:

• 估计了一个Zivid结构光传感器的噪音模型,安装在机器人手臂上.
• 考虑测量距离,表面角度,背景光,曝光时间和捕获次数.
• 集成噪声模型与经典 (KinectFusion) 和基于神经染 (Point-SLAM) 的算法.

主要成果:

• 开发了一个计算传感器距离和角度的噪声模型.
• 分析了环境和运营因素对深度地图质量的影响.
• 通过使用噪声模型,证明了改进的跟踪和更高分辨率的3D模型生成.

结论:

• 拟议的噪声模型有效量化了RGB-D传感器的不确定性.
• 整合这个模型可以提高3D重建算法的准确性.
• 这项工作推动了RGB-D传感器在高精度领域的应用.