论文笔记_S2D.28_2014-ICRA_REMODE:概率单目实时稠密重建
基本情况
- 题目：Probabilistic, Monocular Dense Reconstruction in Real Time
- 出处：Pizzoli, M., Forster, C., & Scaramuzza, D. (2014, May). REMODE: Probabilistic, monocular dense reconstruction in real time. In 2014 IEEE International Conference on Robotics and Automation (ICRA) (pp. 2609-2616). IEEE.
摘要
在本文中，我们解决的问题是，从一个单一的运动摄像机估计稠密的和准确的深度地图。
在逐像素的基础上实时进行概率深度测量，并利用计算的不确定性来拒绝错误估计和提供重建进展的实时反馈。
我们的贡献是一种新的深度图计算方法，结合贝叶斯估计和最近发展的凸优化图像处理。
我们证明，我们的方法在准确性方面优于先进技术，同时在内存使用和计算能力方面表现出高效率。
我们称我们的方法为REMODE( (REgularized MOnocular Depth Estimation 正则化单眼深度估计)，基于cuda的实现在一台笔记本电脑上运行30Hz。
图1 在单目密集重建中，概率方法的深度估计产生紧凑和有效的表征。高度并行的实现是通过独立地估计每个像素的深度来实现的。尽管如此，平滑步骤是必需的，以实现抗噪声的鲁棒性和减轻错误测量的影响。图(a)和(b)显示了多视角下贝叶斯深度估计的结果;(c)和(d)在经过本文提出的去噪步骤后，得到了相同的结果。
1 介绍
我们提出了一种方法来计算一个精确的，三维重建的场景由一个移动的摄像机，并提供实时的信息，关于进展和可靠性的估计过程。这个问题与机器人的感知高度相关，在这方面，摄像机是有价值的和广泛的传感器。从一个移动的摄像机，它是可能的收集外观和范围的信息，观察三维场景。
在多视点立体设置中，深度测量的不确定性取决于影响图像形成的噪声、相机姿态和场景结构。知道了这些因素是如何影响测量不确定度的，就有可能通过从不同的有利位置收集测量数据来达到任意高水平的置信度。
这种能力在机器人技术中尤为重要。例如，如果相机安装在一个机械臂上，可用的高水平的机动性可以被利用来消除模糊的场景细节和遮挡在大范围的距离。对于微型飞行器(MAVs)来说，单目设置也是一种很有吸引力的传感方式，在这种情况下，有效载荷和功率消耗都有严格的限制。在这种情况下，高灵活性使平台成为一个强大的深度传感器，能够处理广泛的深度范围，并能够实现任意高信心的测量。不可避免地，这种高灵活性是有代价的。相机的姿态必须是已知的，其精度直接影响到重建的质量。对于相机来说，信息存在于强度梯度的变化中，这种模态在低信息量的场景中自然失效，从而产生无纹理的图像。因此，了解每种测量方法的可靠性是至关重要的。
2.
结论
本文提出了一种基于概率的机器人感知重建方法——REMODE。我们的方法结合贝叶斯估计和图像处理中凸优化的最新进展来计算深度映射。我们展示了一个概率更新方案如何产生一个紧凑和有效的表示深度图及其相关的不确定性。为了实现对实时摄像流的实时执行，我们将深度图的计算并行化，独立考虑每个像素。然后，我们引入了一个快速平滑步骤，考虑到测量的不确定性，以加强空间的规律性和减轻相机定位噪声的影响。我们评估了我们的方法的准确性和完整性，显示了相对于目前的最先进水平的一个明智的改进。通过处理测量不确定度，我们的方法提供了有关进展和正在进行的重建过程的可靠性的实时信息。该信息对于驱动重构非常有价值，即确定哪些视图对当前任务的信息最为丰富。
论文笔记_S2D.28_2014-ICRA_REMODE:概率单目实时稠密重建相关推荐
- 【研究报告】从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13（总第279期）
从单目深度估计到单目三维场景重建-沈春华老师-VALSE Webinar 22-13(总第279期) 报告总结 & 相关论文 论文代码 相关术语 前言 研究问题 单目深度估计 单目三维场景重建 ...
- 单目3D人脸重建DECA
#SIGGRAPH2021单目3D人脸重建,皱纹可以随着表情而产生自然变化,更加逼真. 代码已开源DECA: Learning an Animatable Detailed 3D Face Model ...
- Ubuntu16.04配置orb_slam2环境，orb_slam的单目数据集，单目实时运行，RGB-D数据集的运行
Ubuntu16.04配置orb_slam2环境,orb_slam的单目数据集,单目实时运行,RGB-D数据集的运行 1.运行配置过程中参考链接如下: 1.配置orb_slam2环境 参考链接http ...
- 论文简述 | EAO-SLAM:基于集成数据关联的单目半稠密物体级SLAM
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 1 摘要 对象级数据关联和姿态估计在语义SLAM中起着重要作用,但由于缺乏鲁棒和精确的算法,这一问题一 ...
- 中国女博士的「水淹食堂」大法：单目视频完美重建3D场景，画面毫无违和感...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 一位程序员小哥,正在Facebook食堂愉快地准备喝咖啡. 突然,就被水淹了. 而另一位正好好坐着玩手 ...
- 浙大三维视觉团队提出 Neural Body，单目RGB视频重建人体三维模型，无需预训练网络...
点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入! 今天,我们介绍一篇2021 CVPR的人体自由视角合成的论文:Neural Body: Implicit Neural Represen ...
- 单目RGB相机重建穿衣服的人
引自视频号[三维匠心] 论文:<Learning to Reconstruct People in Clothing from a Single RGB Camera> 该工作是德国布伦瑞 ...
- 论文笔记_S2D.77_2013_TOR_使用RGBD相机的3D建图(RGBD SLAM V2)
目录 基本情况 摘要 介绍 系统流程 特征提取 运动估计 EMM:Environment Measurement Model 回环检测 图优化 建图OctoMap 参考 基本情况 出处:Endres ...
- 论文笔记 -SNIP 基于灵敏度的单次网络剪枝
基于连接灵敏度的显著性标准,该标准为给定任务识别网络中结构上重要的连接,这消除了预训练和复杂的修剪计划的需要,同时使其对架构变化具有健壮性. 一.特性 1.简单.由于网络在训练前修剪一次,因此不需要预 ...
- 【论文精读】使用深度卷积神经场从单目图像学习深度
使用深度卷积神经场从单目图像学习深度 Paper Information Abstract 1 Introduction 1.1 Related Work 2 DEEP CONVOLUTIONAL N ...
最新文章
- iPhone开发之网络编程 AsyncSocket
- 深入理解MyBatis的原理（三）：配置文件（上）
- 事件标志组的删除与状态查询
- MySQL服务MySQL+MHA高可用服务集群搭建
- 2018 大湾区（深圳） .NET技术分享交流会 第一期
- android string拼接字符串_「JAVA」细述合理创建字符串，分析字符串的底层存储，你不该错过...
- angularJS指令
- Spring框架之演示JDBC的模板类
- 解决eeglab无法读取.mat文件（读取mat文件报错cannot read .mat file，eeglab error in function pop_editset(）at line 445)
- matlab进行多项式展开
- CTO、技术总监、技术经理的区别 互联网技术团队的角色区分
- 宁德时代与戴姆勒卡车股份公司扩大全球合作伙伴关系
- python输出姓名_Python生成随机不重复姓名昵称
- 51单片机实现两路AD检测、数码管显示、串口获取
- JAVA练习200-峰与谷
- 4.12 并发技术：sync包同步调度综合案例
- myBase/Webcollect网页插件
- 计算机上的enc代表什么,对讲机上的ENC/SQL,PWR,MONI,PTT按扭都是什么意思?
- “玩泥巴”有利健康？接触环境微生物群可能调节肠道菌群和免疫系统
- 托盘图标在资源管理器退出重启后图标消失（应用程序进程依然存在）的问题