CVPRJun, 2024

极化波前激光雷达：从极化波前学习大场景重建

PDF
TL;DR该研究介绍了一种新颖的长距离极化波前激光雷达传感器（PolLidar），利用极化波前估计室外场景中的法线、距离和材料特性，并提高了场景重建的准确性。
lidarpolarizationwavefrontsscene reconstructiondistance measurements
发现论文，激发创造
  • 极化成像技术在感知领域的应用

    本文中，我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果，并探讨了深度神经网络的应用，研究表明，使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进，同时，我们还提出了一种新的数据集，为感知算法的发展提供了支持。

    May, 2023

  • 野外场景的极化形状感知

    该研究提出了一种新的基于数据驱动和物理学先验信息的场景级别单极化图像法线估计方法，并且建立了第一个真实场景级别形态恢复数据集。该方法采用了多头自注意力与视图编码来处理在野外环境中形成的极化杂波和联机投影问题，实验结果表明，相对于现有的形态恢复方法，该方法具有更好的性能。

    Dec, 2021

  • 全场面激光雷达的相干光学调制器

    全波场激光雷达：利用相干光学调制解调器进行距离、轴向速度和偏振的同时测量的新型成像技术。

    Jun, 2024

  • Pola4All：极化应用调查和开源工具包分析极化

    偏振成像在计算机视觉和场景理解任务中可以提供丰富的线索，如物料类型、姿态和物体形状。本文回顾了涉及偏振成像的应用的最新进展，并介绍了一个完整的软件工具包，用于与市场上大多数现有微网偏振相机进行通信和处理信息。

    Dec, 2023

  • 利用偏振 - Unet 进行表面法线重构

    本文介绍了一种利用极化成像的端到端深度学习方法来实现物体表面法线的高精度三维重建的方法，并通过定量和定性的评估结果表明，该方法相较于基于物理的方法在整个数据集上能够以最低的平均角误差（MAE）值为 18.06 度来准确重建物体表面法线。

    Jun, 2024

  • 使用即插即用点云去噪算法从单光子激光雷达数据实时重建 3D 模型

    文章提出了一种新的实时三维场景重建的计算框架，通过将统计模型和计算机图形学中高度可扩展的计算工具相结合，能够以 20 毫秒的处理时间重建具有未知数量曲面的像素，通过应对杂乱场景的目标探测和成像，能够实现对于复杂运动场景的鲁棒快速目标重建，为实际的三维成像应用铺平了单光子激光雷达以视频帧率的道路。

    May, 2019

  • 基于事件的偏振形状恢复

    通过使用高速旋转的线性偏振器和事件相机，我们提出了一种用于实现事件极化成像的解决方案，该解决方案使用了基于学习的方法来估计表面法线，在现实世界的实验中，性能比基于物理的方案高出了 52％。

    Jan, 2023

  • 极化姿态预测

    本文探讨了光的偏振信息对单目 6D 物体姿态预测准确性的影响，并设计了一种混合模型，该模型将物理先验与数据驱动的学习策略结合起来，在不同光度复杂度的物体上进行了仔细的测试。实验结果表明，与现有的光度测量方法相比，我们的设计显著提高了姿态准确性，并能够实现高反射和透明物体的姿态估计。同时，我们还引入了一个新的多模式 6D 物体姿态数据集作为基准。

    Dec, 2021

  • 深度极化成像应用于三维形状和 SVBRDF 获取

    本文提出了一种使用偏振线索高效获取物体形状和空间变化反射的新方法，其中偏振成像与深度学习相结合，可以在正面闪光照射下使用单视角偏振成像实现高质量估计物体形状和反射。

    May, 2021

  • 有限发射次数下近场 iToF LIDAR 深度提高

    利用单个调制频率的较少原始数据样本和传感器灰度输出来减少激光组件的应力和功耗，我们研究了两种不同方法以恢复 LiDAR 的整个深度范围。

    Apr, 2023