[论文解读] A Light Transport Model for Mitigating Multipath Interference in TOF Sensors
本文提出了一种轻量级光传输模型，通过将直接光照与全局光照分量结合标准的飞行时间（TOF）相机测量值，以减少深度成像中的多路径干扰（MPI）。与先前基于稀疏性的方法相比，该方法更准确地建模了光传输，从而在使用Kinect传感器的仿真和真实数据集上，显著提升了深度精度的定量表现。
Continuous-wave Time-of-flight (TOF) range imaging has become a commercially viable technology with many applications in computer vision and graphics. However, the depth images obtained from TOF cameras contain scene dependent errors due to multipath interference (MPI). Specifically, MPI occurs when multiple optical reflections return to a single spatial location on the imaging sensor. Many prior approaches to rectifying MPI rely on sparsity in optical reflections, which is an extreme simplification. In this paper, we correct MPI by combining the standard measurements from a TOF camera with information from direct and global light transport. We report results on both simulated experiments and physical experiments (using the Kinect sensor). Our results, evaluated against ground truth, demonstrate a quantitative improvement in depth accuracy.
研究动机与目标
- 解决连续波飞行时间（TOF）相机因多路径干扰（MPI）导致的与场景相关的深度误差问题。
- 克服先前MPI校正方法依赖于光学反射中极端稀疏性假设的局限性。
- 通过将物理光传输建模整合到标准TOF测量中，开发一种更精确的MPI抑制技术。
- 在使用Kinect传感器的仿真环境和真实世界实验中验证该方法。
提出的方法
- 该方法使用直接和全局分量的组合来建模场景中的光传输，捕捉光线在到达传感器前于表面间反射的传播路径。
- 它建立了一个线性系统，将测量到的TOF强度与底层场景几何结构和反射特性关联起来。
- 该方法使用光传输矩阵来表示从光源到传感器的光路，包括间接和多次反射分量。
- 通过正则化优化框架求解该模型，以在深度估计中强制实现物理合理性与平滑性。
- 将标准TOF测量值与估计的传输分量相结合，以重建更精确的深度图。
- 该方法被应用于合成场景和Kinect传感器获取的真实数据，以评估性能。
实验结果
研究问题
- RQ1光传输建模在多路径干扰影响下的TOF相机中，如何提升深度精度？
- RQ2与基于稀疏性的假设相比，引入全局光照分量在多大程度上可减少深度误差？
- RQ3所提出的模型在真实世界TOF成像中，能否在不同场景几何结构和材料上实现泛化？
- RQ4在仿真和真实实验中，与真实值相比，该方法的定量表现如何？
主要发现
- 所提出的方法在仿真和真实实验中，均显著提升了基线TOF测量的深度精度。
- 与仅依赖稀疏性假设的方法相比，全局光传输分量的整合可生成更精确的深度图。
- 与真实值的定量评估表明，该方法在各种场景配置下均一致地减少了深度误差。
- 该方法在具有多重反射和非朗伯表面的复杂场景中，有效缓解了多路径干扰。
- 在Kinect传感器上的实验结果表明，该方法在MPI普遍存在的真实世界条件下显著提升了深度精度。
- 该模型在不同材料和场景几何结构下表现稳健，表明其在理想化假设之外也具备良好的泛化能力。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。