事前深さ情報を用いた動的シーンの深さマップ推定【JST・京大機械翻訳】

Noraky James; Sze Vivienne

プレプリント

J-GLOBAL ID：202202206625806331 整理番号：22P0107039

事前深さ情報を用いた動的シーンの深さマップ推定【JST・京大機械翻訳】

Depth Map Estimation of Dynamic Scenes Using Prior Depth Information

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年02月01日プレプリントサーバーでの情報更新日： 2020年02月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深さ情報は多くの応用に有用である。高密度で正確な深さマップを得るので,能動深さセンサは魅力的である。しかし,電力制約からマルチセンサ干渉に至る問題により,これらのセンサは常に連続的に使用できない。この限界を克服するために,同時に収集した画像を用いて深さマップを推定するアルゴリズムを提案し,シーンのカメラと物体の両方が独立に移動できる動的シーンに対する以前に測定した深さマップを提案した。これらのシナリオにおける深度を推定するために,このアルゴリズムは,独立および剛体運動を用いて動的シーン運動をモデル化する。次に,以前の深さマップを用いて,これらの剛体運動を効率的に推定し,新しい深さマップを得た。著者らの目標は,大きな計算コストを起こさずに,能動深さセンサと計算の間の深さの取得のバランスをとることである。したがって,著者らは,類似のアプローチで使われる高密度光フロー推定やセグメンテーションのような計算上の高価な操作を避けるために,事前の深度情報を利用する。本手法は,標準ラップトップコンピュータ上で実時間(30FPS)までの高密度深さマップを得ることができ,これは類似手法よりも桁速い。種々の動的シーンのRGB-Dデータセットを用いて評価したとき,本手法は,平均相対誤差2.5%で深さマップを推定し,一方,能動深さセンサ利用を90%以上減少させた。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, ,

前のページに戻る