×

在使用图形剪切之前进行深度三维重建。 (英语) Zbl 07381767号

摘要:在本文中,我们提出了一种新的基于图形剪切的三维重建方法,该方法能够优先考虑部分可用的深度数据。我们将能量表示为一个写为两种不同表示形式的项之和的函数:(1)基于赋值的,产生标准二进制能量,在这种方法中,遮挡和唯一性得到了自然处理;以及(2)产生非二进制能量的多标签表示,其中仅通过为被遮挡像素指定特殊标签来处理遮挡,而不显式处理唯一性。这两种表示都有其优点和缺点,通过在公开的Middlebury立体数据集和真实立体图像上的各种实验结果进行了详细的分析和讨论。结果表明,利用不同来源的深度先验信息可以获得更好的三维重建结果。

MSC公司:

900亿 运筹学与管理科学

软件:

打开CV
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿胡加,RK;马格南蒂,TL;Orlin,JB,《网络流:理论、算法和应用》(1993),《上鞍座河:普伦蒂斯·霍尔公司》,《上鞍座河》·Zbl 1201.90001号
[2] 比奇菲尔德,ST;Tomasi,C.,对图像采样不敏感的像素差异度量,IEEE Trans-Pattern Ana Mach Intell,20401-406(1998)·doi:10.1109/34.677269
[3] 博伊科夫,Y。;Kolmogorov,V.,视觉能量最小化最小/最大流算法的实验比较,IEEE Trans-Pattern Ana Mach Intell,26,1124-1137(2004)·doi:10.1109/TPAMI.2004.60
[4] 博伊科夫,Y。;O.维克斯勒。;Zabih,R.,通过图形切割实现快速近似能量最小化,IEEE Trans-Pattern Ana Mach Intell,231222-1239(2001)·数字对象标识代码:10.1109/34.969114
[5] Bradski A(2008)学习OpenCV。In:Bradski G,Kaehler A(编辑)Computer Vision with OpenCV Library;软件),第1版。O'Reilly Media,牛顿
[6] 福特,L。;Fulkerson,D.,《网络中的流动》。普林斯顿数学里程碑(2010),普林斯顿:普林斯顿大学出版社,普林斯顿·Zbl 0106.34802号
[7] Gokturk SB、Yalcin H、Bamji C(2004)飞行时间深度传感器系统描述、问题和解决方案。参加:计算机视觉和模式识别研讨会
[8] Goldberg,AV;Tarjan,RE,最大流问题的新方法,J ACM,35,921-940(1988)·Zbl 0661.90031号 ·数字对象标识代码:10.1145/48014.61051
[9] Hartley RI,Zisserman A(2004)《计算机视觉中的多视图几何》,第2版。剑桥大学出版社,剑桥,ISBN:0521540518·Zbl 1072.68104号
[10] Hirschmuller H,Scharstein D(2007)立体匹配成本函数评估。参加:IEEE计算机视觉和模式识别会议
[11] 科尔莫戈罗夫,V。;Zabih,R.,《通过图形切割计算遮挡物的视觉对应关系》(2001年),伊萨卡:康奈尔大学,伊萨加
[12] 科尔莫戈罗夫,V。;Zabih,R.,什么能量函数可以通过图形切割最小化?,IEEE Trans-Pattern Ana Mach Intell,26,147-159(2002)·Zbl 1039.68666号 ·doi:10.1109/TPAMI.2004.1262177
[13] 科尔莫戈罗夫,V。;莫纳斯,P。;Tan,P.,Kolmogorov和Zabih的图切割立体匹配算法,在线图像处理,4220-251(2014)·doi:10.5201/ipol.2014.97
[14] Scharstein D,Pal C(2007)立体学习条件随机场。参加:IEEE计算机视觉和模式识别会议·Zbl 1254.68280号
[15] Scharstein,D。;Szeliski,R.,《密集双帧立体对应算法的分类和评估》,《国际计算机视觉杂志》,47,7-42(2001)·Zbl 1012.68731号 ·doi:10.1023/A:1014573219977
[16] Scharstein D,Szeliski R(2003)使用结构光的高精度立体深度图。收录:IEEE计算机学会计算机视觉和模式识别会议论文集。IEEE计算机学会,美国华盛顿特区,CVPR'03·Zbl 1039.68731号
[17] Sinha SN,Scharstein D,Szeliski R(2014)使用局部平面扫描的高效高分辨率立体匹配。收录:IEEE计算机学会计算机视觉和模式识别会议记录
[18] 沃塞尔曼,G。;Maas,HG,机载和地面激光扫描(2010),博卡拉顿:CRC出版社,博卡拉顿
[19] Zbontar J,LeCun Y(2015)用卷积神经网络计算立体匹配成本。In:IEEE计算机视觉和模式识别会议(CVPR)·Zbl 1360.68726号
[20] Zhang C,Li Z,Cheng Y,Cai R,Chao H,Rui Y(2015)Meshstereo:一个全局立体模型,带有网格对齐正则化,用于视图插值。参加:IEEE计算机视觉国际会议(ICCV)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。