论文笔记_S2D.28_2014-ICRA_REMODE:概率单目实时稠密重建

待我称王封你为后i 2022-12-18 04:54 296阅读 0赞

# 基本情况 #

*  题目：Probabilistic, Monocular Dense Reconstruction in Real Time
 *  出处：Pizzoli, M., Forster, C., & Scaramuzza, D. (2014, May). REMODE: Probabilistic, monocular dense reconstruction in real time. In *2014 IEEE International Conference on Robotics and Automation (ICRA)* (pp. 2609-2616). IEEE.

# 摘要 #

在本文中，我们解决的问题是，从一个**单一的运动摄像机**估计**稠密**的和准确的**深度地图**。  
在逐像素的基础上实时进行概率深度测量，并利用计算的不确定性来拒绝错误估计和提供重建进展的实时反馈。  
我们的贡献是一种**新的深度图计算方法**，结合**贝叶斯估计**和最近发展的**凸优化图像处理**。  
我们证明，我们的方法在准确性方面优于先进技术，同时在内存使用和计算能力方面表现出高效率。  
我们称我们的方法为REMODE( (REgularized MOnocular Depth Estimation **正则化单眼深度估计**)，基于cuda的实现在一台笔记本电脑上运行30Hz。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70][]

图1 在单目密集重建中，**概率方法的深度估计**产生紧凑和有效的表征。高度并行的实现是通过**独立地估计每个像素的深度**来实现的。尽管如此，平滑步骤是必需的，以实现抗噪声的鲁棒性和减轻错误测量的影响。图(a)和(b)显示了多视角下**贝叶斯深度估计**的结果;(c)和(d)在经过本文提出的**去噪步骤**后，得到了相同的结果。

# 1 介绍 #

我们提出了一种方法来计算一个精确的，三维重建的场景由一个移动的摄像机，并提供实时的信息，关于进展和可靠性的估计过程。这个问题与机器人的感知高度相关，在这方面，摄像机是有价值的和广泛的传感器。从一个移动的摄像机，它是可能的收集外观和范围的信息，观察三维场景。

在**多视点立体设置**中，深度测量的不确定性取决于影响图像形成的噪声、相机姿态和场景结构。知道了这些因素是如何影响测量不确定度的，就有可能通过从不同的有利位置收集测量数据来达到任意高水平的置信度。

这种能力在机器人技术中尤为重要。例如，如果相机安装在一个机械臂上，可用的高水平的机动性可以被利用来消除模糊的场景细节和遮挡在大范围的距离。对于微型飞行器(MAVs)来说，单目设置也是一种很有吸引力的传感方式，在这种情况下，有效载荷和功率消耗都有严格的限制。在这种情况下，高灵活性使平台成为一个强大的深度传感器，能够处理广泛的深度范围，并能够实现任意高信心的测量。不可避免地，这种高灵活性是有代价的。相机的姿态必须是已知的，其精度直接影响到重建的质量。对于相机来说，信息存在于强度梯度的变化中，这种模态在低信息量的场景中自然失效，从而产生无纹理的图像。因此，了解每种测量方法的可靠性是至关重要的。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1][]

# 结论 #

本文提出了一种**基于概率**的机器人感知重建方法——REMODE。我们的方法结合贝叶斯估计和图像处理中凸优化的最新进展来计算深度映射。我们展示了一个**概率更新方案**如何产生一个紧凑和有效的表示深度图及其相关的不确定性。为了实现对实时摄像流的实时执行，我们将**深度图的计算并行化**，**独立考虑每个像素**。然后，我们引入了一个快速平滑步骤，考虑到测量的不确定性，以加强空间的规律性和减轻相机定位噪声的影响。我们评估了我们的方法的准确性和完整性，显示了相对于目前的最先进水平的一个明智的改进。通过处理测量不确定度，我们的方法提供了有关进展和正在进行的重建过程的可靠性的实时信息。该信息对于驱动重构非常有价值，即确定哪些视图对当前任务的信息最为丰富。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70]: /images/20221122/d835faa081c04db0898c6826e407439b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1]: /images/20221122/4f6a393c6be54c83a9b343a9464c76a6.png