使用光学相干技术实现非直视下的直接目标识别
该研究使用多普勒雷达技术进行非直达测距,利用时序多普勒速度和位置信息进行 NLOS 检测与跟踪,成功实现对动态环境中隐藏物体的检测、分类和追踪,适用于大规模的汽车场景且成本低廉。
Dec, 2019
非直视成像方法可通过间接照明重建观察者无法看到的复杂场景,但受限于第三次反射而仅适用于单个角落配置,本论文通过利用虚拟镜面的特性扩展了非直视成像的能力,克服了有限可见角度和隐藏在两个角落后的对象成像的问题。
Jul, 2023
Omni-LOS 是一种基于神经计算成像的方法,利用 Single-Photon Avalanche Diode (SPAD) 时间飞行传感器进行综合形状重建 (HSR),并将直接和非直接成像相结合,以便从单个扫描位置恢复对象的整体形状。
Apr, 2023
我们展示了光照的相干度与各种计算机视觉任务的性能之间的单调关系。我们使用计算方法模拟部分相干的光照,传播光波以形成图像,并随后使用深度神经网络进行物体识别和深度感知任务。在每个控制实验中,我们发现,相干长度的增加导致图像熵的提高,以及增强的物体识别和深度感知性能。
Nov, 2023
本文介绍了一种名为 Circular and Confocal Non-line-of-sight (C2NLOS) 扫描的非直线视野成像技术,它使用激光和超快速感应器来测量多次散射光的行程时间,以了解隐藏的场景。与现有的 NLOS 技术相比,这种技术可以更高效的扫描目标,同时提高成像的质量和效率。
Aug, 2020
本研究提出了一种基于优化的方法,用于非直视成像,旨在重建不同设置下的隐藏场景。我们的方法建立在一个观察基础之上,即如果忽略隐藏表面之间的相互作用,从隐藏体积的每个点返回的光子可以独立计算。我们的方法利用广义光传播函数准确地表示瞬态,作为这些函数的线性组合。此外,我们提出的方法包括一个域缩减过程,将隐藏体积的空白区域从传播函数集合中排除,从而提高了优化的计算效率。我们在各种非直视场景中证明了该方法的有效性,包括非平面中继墙,稀疏扫描模式,共焦和非共焦,以及表面几何重建。对合成和真实数据进行的实验证明了该方法在一般非直视场景中的优越性和高效性。
Aug, 2023
该研究论文以仅使用普通光时间飞行传感器的数据,而无需额外硬件需求,首次提出了利用深度学习模型来处理摄像机视线之外的物体获取问题,并通过构建注释的训练数据,轻松处理光反射并恢复隐藏场景的深度信息,同时演示了该想法的可行性。
Mar, 2024
本文通过光学非视线成像系统获取的瞬态图像描述了一种实现 3D 人体姿势估计的方法,通过使用间接反射的光线,实现了从街角窥视的功能;该方法将非视线成像、人体姿势估计和深度强化学习等多个领域的技术结合起来,通过端对端的数据处理流程,将源源不断的光子测量转换为整个 3D 人体姿势序列的估计,并通过数据综合和增强策略实现靠近现实的 NLOS 成像系统数据的预测。初步实验结果表明,本文所提出的方法可以推广至真实世界的 NLOS 测量,从而实现估算物理上有效的 3D 人体姿势。
Mar, 2020