非直视成像
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
非直视成像通过利用相位场来重建浸泡在散射介质中的复杂场景,对面临挑战的情况如散射媒体中的场景进行了实证分析,并将该方法应用于真实场景,表明其与最新的弥散光学层析成像方法性能相似。
Aug, 2023
本文回顾了不同类型的现有非直线视线成像技术,讨论了需要解决的挑战,特别是在受限实验环境之外的应用。我们的目标是向更广泛的研究社区介绍该主题,并提供进一步发展该研究领域的见解。
Oct, 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
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
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
本篇研究探讨二次反射非直视成像在多路复用照明下的飞行时间测量对减少转发表面、提高空间分辨率的及时收集和图像恢复具有怎样的作用和贸易关系。 相关参数研究表明,时间分辨率、空间分辨率和屏幕截图数之间需要平衡,并且引出了 2B lidar 的数学约束的形式定义。 这一研究为未来的非直视成像系统的设计奠定了数学基础,特别是随着 ToF 传感器变得越来越普及。
Apr, 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