近年來,隨著人工智能技術(shù)的興起,虛擬現(xiàn)實(shí)（Virtual Reality,VR）、增強(qiáng)現(xiàn)實(shí)（Augmented Reality,AR）、立體3D視頻、3D打印等3D技術(shù)發(fā)展迅速,各類應(yīng)用層出不窮。而在諸多應(yīng)用中,如何獲取場景的深度信息一直是研究的重點(diǎn)。傳統(tǒng)相機(jī)可以很好地獲取場景的空間信息,但在拍攝過程卻丟失了深度信息。而傳統(tǒng)的方法中使用單相機(jī)、雙相機(jī)估計場景深度視角少、精度低,而使用多相機(jī)視角多、精度高但復(fù)雜度高、成本高,方法上各有缺陷。隨著光場相機(jī)的出現(xiàn),深度估計的技術(shù)有了一個新的研究熱點(diǎn)。光場相機(jī)與傳統(tǒng)相機(jī)相比,可以實(shí)現(xiàn)同時對空間域和角度域的信息采集,也解決了單、雙相機(jī)和多相機(jī)獲取深度在視角個數(shù)和成本上的矛盾。因此,利用光場相機(jī)來估計場景的深度具有很大優(yōu)勢與研究前景。然而,在現(xiàn)實(shí)場景中存在著許多挑戰(zhàn),例如遮擋現(xiàn)象的存在,紋理平坦區(qū)域等。這些都是利用光場相機(jī)估計場景的深度中的一些研究難點(diǎn),基于此,本論文針對這些問題展開了研究。首先,針對遮擋問題,本文從光場的光線傳播路徑出發(fā),推導(dǎo)出在遮擋情況下光場中空間信息與角度信息之間的關(guān)系,建立了空間信息與角度信息之間的抗遮擋模型。基于此模型對不... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

ToF相機(jī)獲取的深度圖

圖 1.2 Kinect 相機(jī)獲取的深度圖主要是利用二維彩色圖像信息對場景進(jìn)類為單目深度估計、雙目深度估計以及幅彩色圖來恢復(fù)深度信息，其中具有代RF 結(jié)合，CRF 通過條件概率進(jìn)行建模能人[7]采用非監(jiān)督學(xué)習(xí)的方法。但由于單幅度圖誤差較大。雙目深度估計主要是利用場景進(jìn)行深度估計，獲取的深度圖質(zhì)量的利用深度學(xué)習(xí)網(wǎng)絡(luò)來進(jìn)行相關(guān)的研究度估計[10]主要是使用相機(jī)陣列對場景進(jìn)這類方法需要較多的相機(jī)設(shè)備，成本比較運(yùn)動，聚焦，散焦，模糊等線索，這類方

型相機(jī)出現(xiàn)在大眾的視野里——光場相機(jī)，算攝影學(xué)[11]也引起廣大研究者的極大興趣。鏡和成像元件間加入一組微透鏡陣列，這樣線的方向，一次拍攝過程可以同時記錄了空集了二維光場數(shù)據(jù)（光線的強(qiáng)度）相比，光場的強(qiáng)度和方向），因此光場相機(jī)可以先拍照再攝可以提供豐富的場景信息，光場相機(jī)廣泛[13]，顯著性檢測[14]，圖像超分辨[15]，三維重提供單目相機(jī)的空間信息，又可以提供多目如何使用光場相機(jī)對場景進(jìn)行深度估計也是前景。

【參考文獻(xiàn)】：
期刊論文
[1]基于聯(lián)合雙邊濾波器的Kinect深度圖像濾波算法[J]. 李知菲,陳源.  計算機(jī)應(yīng)用. 2014(08)

博士論文
[1]光場成像技術(shù)研究[D]. 周志良.中國科學(xué)技術(shù)大學(xué) 2012

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的光場圖像深度估計[D]. 潘志偉.浙江工商大學(xué) 2018



本文編號：3124927