典型文献
基于深度估计与自我运动联合优化的三维重建
文献摘要：
机器人安全导航或执行高级任务时需要稠密的三维重建.图像准确的深度信息以及位姿是三维重建的基础.RGB-D相机获得的深度图的分辨率较低、精度有限,而且RGB-D相机易受玻璃或者纯黑色物体的影响,传统的位姿计算方法不够准确.为了解决这些问题,提出了一种三维重建系统,使用神经网络预测RGB图像的深度以及位姿,然后进行重建.针对物体的轮廓会对深度图的最终预测起决定性作用的问题,提出了轮廓损失函数.针对RGB图像易受光线以及噪声影响的问题,首次增加了RGB图像的特征图作为网络的输入.设计了特征损失来联合优化深度估计和自我运动.在TUM RGB-D,ICL-NUIM数据集上,明显提高了深度图的质量、定位结果以及三维重建的效果.
文献关键词：
三维重建;深度估计;自我运动;轮廓损失;特征损失
中图分类号：
作者姓名：
田方正;高永彬;方志军;顾佳
作者机构：
上海工程技术大学电子电气工程学院,上海201620
文献出处：
引用格式：
[1]田方正;高永彬;方志军;顾佳-.基于深度估计与自我运动联合优化的三维重建)[J].传感器与微系统,2022(10):39-42,46
A类：
轮廓损失
B类：
深度估计,自我运动,联合优化,三维重建,级任务,稠密,深度信息,RGB,深度图,位姿计算,建系,神经网络预测,损失函数,光线,噪声影响,特征图,特征损失,TUM,ICL,NUIM,定位结果
AB值：
0.334202
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
