自动校准的光几何深度相机

"这篇论文提出了一种新型的3D成像系统，该系统结合了近光光度立体视觉和基于散斑的立体匹配方法。该系统结构紧凑，适用于多反照率目标，并能自我校准光源参数（包括位置和强度）。通过首先利用远距离光照模型估算表面反照率图，然后在估计的反照率图和固定法向量场的条件下优化近光照明模型参数，最后结合优化后的照明模型，使用近光光度立体视觉重新计算表面法线，并与立体视觉的粗深度图融合，从而获得高精度深度图。" 本文主要探讨的是光度立体视觉和几何立体视觉的结合，尤其是如何通过自我标定来提升3D成像系统的性能。光度立体视觉相较于基于三角测量原理的几何立体视觉，更擅长恢复像素级的表面细节。论文提出的方法中，系统由两部分构成：近光光度立体和散斑基立体匹配。 首先，系统采用远距离光照模型对目标表面的反照率进行初步估计。反照率是表征物体表面反射光线能力的关键因素，对于精确的3D重建至关重要。这个过程是自我标定的第一步，它不需要外部设备或复杂的预处理步骤。 接下来，利用已估计的反照率图和固定的法向量场，论文对近光照明模型的参数进行优化。这一优化过程能够校正光源的位置和强度，进一步提高重建的准确性。近光光度立体视觉通过分析不同光照条件下的图像，可以计算出每个像素的表面法线，这对于构建精细的三维形状至关重要。 随后，优化后的近光照明模型被用来重新计算表面法线。这个步骤能够提升表面细节的恢复质量，特别是在处理有复杂纹理或多种反照率的物体时。 最后，论文将这个优化后的表面法线与立体视觉产生的粗深度图融合。立体匹配方法通常能提供大范围的深度信息，但可能缺乏细节；而光度立体视觉则擅长捕捉细节，但可能在全局深度覆盖上有限。通过融合两者，论文实现了高精度的深度图，兼顾了细节和范围。 这篇论文提出的自标定光度几何深度相机系统，通过创新的融合和自我校准技术，提高了3D成像的质量，尤其是在处理多反照率目标时。这种方法对于机器人导航、虚拟现实、工业检测等领域具有广阔的应用前景。