May, 2018

DeepToF：即插即用的飞行时间成像多径干扰实时校正

PDF
TL;DR本文基于卷积神经网络和自编码器的方法，提出了不需要对相机进行修改即可校正多径干扰导致深度估计误差的技术，并通过大量数据的训练和模拟实验验证了该方法的可行性。
time-of-flightdepth estimationmultipath interferenceconvolutional neural networkautoencoder
发现论文，激发创造
  • 用于抑制 TOF 传感器中多径干扰的光传输模型

    本文提出了一种结合时序相位测量与光线传输方程的方法来校正多径干涉，有效地提高了基于时差测量的 TOF 摄像机深度测量的精度。

    Jan, 2015

  • iToF2dToF：一种鲁棒且灵活的数据驱动时飞行成像表示方法

    本文探讨了间接飞行时间（iToF）相机等深度感知技术，提出一种名为 iToF2dToF 的方法，通过插值 / 外推 iToF 频率来估计瞬态图像，并演示其在实际深度感知场景中的优势。

    Mar, 2021

  • MPI 基于脉冲时间飞行相机的平面校正

    利用特征金字塔网络 (FPN) 缓解脉冲型 Time-of-Flight (ToF) 相机中的多径干扰问题。

    Dec, 2023

  • 野外豆腐：在挑战环境下通过 RGB 融合提高间接飞行时间深度的范围和质量

    本文提出了一种新的基于学习的端到端深度预测网络，该网络采用多步方法对噪声原始 I-ToF 信号以及 RGB 图像进行融合，以预测与 RGB 视点对齐的高质量远程深度图。在挑战性的现实场景中测试我们的方法，与基线方法相比，最终深度图的 RMSE 提高了 40% 以上。

    Dec, 2021

  • RADU: 面向飞行时间 ToF 数据降噪的射线对齐深度更新卷积操作

    本文提出了一种迭代去噪方法，使用 2.5D 数据训练 3D 卷积操作以纠正点沿视角方向的位置，并使用自训练方法在标记数据稀缺的情况下在未标记的真实数据上进行训练，实验表明，该方法能够在多个数据集上胜过 SOTA 方法。

    Nov, 2021

  • 学习移除飞行时间测距图像中的多路径扭曲，为机器人臂设置

    本研究提出了一种基于深度学习的学习方法，采用机械臂自动地采集大量的 ToF 范围图像，并在训练时间利用高精度结构光传感器自动标记训练图像，从而去除 ToF 相机中的多路径失真。在实验验证中，我们的方法实现了 55％的测距误差减小，并且比其他基线算法表现更好。

    Jan, 2016

  • 基于极化飞行时间法的散射介质高保真度深度测量

    本文提出了一种极化 iToF 成像方法，可以通过散射介质强有力地捕获深度信息，通过散射分析而估计出参与介质中的散射能量，我们的方法通过散射模型和极化相位测量，优于基线方法。

    Jun, 2023

  • 利用调制频率多样性和稀疏正则化解决飞行时间成像中的多径干扰

    使用多个调制频率测量分离干涉成分的稀疏正则化解决方案，将 ToF 成像映射到频谱估计理论的一般框架中，并应用于改善深度剖面和利用多重散射。

    Apr, 2014

  • 深度端到端匹配和细化用于时差自动调焦 RGB-D 模块

    本文提出了一种基于深度学习的框架，用于对移动 RGB 相机配备的飞行时间（ToF）传感器进行在线校准和对齐以及复杂误差校正。通过将 RGB 图像和 ToF 幅度图之间进行交叉模态光流估计以进行对齐，并通过一个改进的内核预测网络直接回归时间飞行深度进行深度精修。通过计算机图形学的方法，我们还合成了一个数据集，为数据的端到端训练提供更多丰富的信息。实验结果表明，本文提出的方法在 ToF 精修方面取得了最先进的效果。

    Sep, 2019

  • Mask-ToF: 时间飞行成像中学习微透镜掩模进行飞行像素纠正

    通过学习亚像素级的遮挡掩码来消除 ToF 深度捕捉中的飞行像素，提出了 Mask-ToF 方案，它通过卷积神经网络解码空间几何信息从而产生高保真、低飞行像素深度重建。

    Mar, 2021