文献

J-GLOBAL ID：202102275664061813   整理番号：21A2572775

3D高密度および動的再構成のための単一ショット構造化光センサ【JST・京大機械翻訳】

Single-Shot Structured Light Sensor for 3D Dense and Dynamic Reconstruction

著者 (5件)： Gu Feifei (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China) ,  Gu Feifei (Mechanical and Automation Engineering Department, The Chinese University of Hong Kong, Hong Kong, China) ,  Song Zhan (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China) ,  Song Zhan (Mechanical and Automation Engineering Department, The Chinese University of Hong Kong, Hong Kong, China) ,  Zhao Zilong (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 4  ページ： 1094  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 構造化光(SL)は,取得時間と空間分解能の間のトレードオフを持つ。時間的符号化SLは高密度で3D再構成を生成するが,動的再構成には適用できない。それどころか,空間的に符号化されたSLは単一ショットで働くが,スパース再構成を達成できる。本論文は,同時に正確な3D高密度および動的再構成を達成することを目的とする。二つのカメラと回折光学素子(DOE)プロジェクタから成るスペックルベースSLセンサを提示した。2台のカメラは同期的に画像を記録する。最初に,スペックルパターンを詳細に設計し,投影した。第二に,高精度キャリブレーション法を提案し,システムを較正した。一方,立体画像は,最適化されたエピポーラ整流アルゴリズムを開発することによって正確に整列した。次に,改良半グローバルマッチング(SGM)アルゴリズムを提案し,立体マッチングの正当性を改善し,それによって,高品質深さマップを達成した。最後に,密な点雲は深さマップから回復できた。DOEプロジェクタを8mm8mmのサイズで設計した。立体カメラ間のベースラインを50mm以下に制御した。実験結果は,提案したアルゴリズムの有効性を検証した。他の単一ショット3Dシステムと比較して,このシステムはより良い性能を示した。0.4mのような近距離で,このシステムはサブミリメートル精度を達成することができた。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  カメラ ,  最適化 ,  投影機 ,  スペックル ,  立体画像 ,  *三次元 ,  整流 ,  *光センサ ,  ステレオマッチング
準シソーラス用語： ステレオカメラ ,  *動的再構成 ,  3D画像再構成 ,  奥行きマップ ,  *構造化光 , 【Automatic Indexing@JST】

著者キーワード (4件)： 構造化光 ,  スペックル ,  単一ショット ,  高密度再構成

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (26件)：

• Tang, S.J.; Zhang, Y.J.; Li, Y.; Yuan, Z.L.; Wang, Y.K.; Zhang, X.; Li, X.M.; Zhang, Y.T.; Guo, R.Z.; Wang, W.X. Fast and Automatic Reconstruction of Semantically Rich 3D Indoor Maps from Low-quality RGB-D Sequences. Sensors 2019, 19, 533.
• Perez, L.; Rodriguez, I.; Rodriguez, N.; Usamentiaga, R.; Garcia, D.F. Robot Guidance Using Machine Vision Techniques in Industrial Environments: A Comparative Review. Sensors 2016, 16, 335.
• Park, J.; Kim, H.; Tai, Y.W.; Brown, M.S.; Kweon, I. High Quality Depth Map Upsampling for 3d-tof Cameras. In Proceedings of the 2011 International Conference on Computer Vision, Barcelona, Spain, 6-13 November 2011.
• Bouquet, G.; Thorstensen, J.; Bakke, K.A.H.; Risholm, P. Design Tool for TOF and SL Based 3D Cameras. Opt. Express 2017, 25, 27758-27769.
• Khamis, S.; Fanello, S.; Rhemann, C.; Kowdle, A.; Valentin, J.; Izadi, S. Stereonet: Guided Hierarchical Refinement for Real-time Edge-aware Depth Prediction. In Proceedings of the European Conference on Computer Vision (ECCV), Munich, Germany, 8-14 September 2018.

タイトルに関連する用語 (4件)： 3D ,  動的再構成 ,  ショット ,  構造化光