-
题名基于引导采样的Kinect深度图修补算法
被引量：3
- 1
-
-
作者
杨厚易
刘满禄
张华
-
机构
西南科技大学信息工程学院特殊环境机器人技术四川省重点实验室
中国科学技术大学信息科学技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第8期2532-2534,共3页
-
基金
国家"十三五"核能开发科研项目([2016]1295)
四川省科技支撑计划资助项目(2015FZ0091)
-
文摘
针对Kinect采集到带有大量的结构性缺失的深度图,提出了一种基于引导采样的深度图空洞噪声修补算法。算法首先将深度图所对应的彩色图片转换为灰度图,然后用K-means算法将彩色图转换而来的灰度图进行聚类处理,将生成的聚类图作为引导图。联合引导图对深度图空洞噪声边缘深度值采样,采集多个深度值并计算深度均值,最后使用深度均值来作为空洞的深度估计值。通过与基于蒙特卡罗不确定度评价的深度图修补算法(MC-UE)相比较,由于有引导图的矫正作用,边缘细节更加清晰准确。对于处理较小面积的空洞噪声,处理结果相较于MC-UE算法,均方误差降低4%左右。对于处理较大面积的空洞噪声,均方误差较MC-UE算法降低了9.65%~14.32%。实验证明引导采样算法在处理较大面积空洞噪声时相较于MC-UE算法有更低的均方误差。
-
关键词
深度图
空洞噪声
聚类
噪声修补
均方误差
-
Keywords
depth map
structural defects
cluster
noise patching
mean square error
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
TP391
[自动化与计算机技术—控制科学与工程]
-
